İstanbul Ünverstes İşletme Fakültes Dergs Istanbul Unversty Journal of the School of Busness Clt/Vol:42, /No:2, 2013, 198-218 ISSN: 1303-1732 wwwfdergsorg 2013 Depo operatörü lostk frmasının seçm çn bulanık VIKOR ve bulanık TOPSIS yöntemlernn uygulanması Al Görener 1 Uluslararası Lostk Bölümü, Uygulamalı Blmler Fakültes İstanbul Tcaret Ünverstes, İstanbul, Türkye Özet Günümüzün rekabet ortamında, lostk faalyetler çersnde depolamanın önem gttkçe artmaktadır İşletmenn hedeflerne uygun depo operatörü frmanın seçm, rekabette büyük rol oynamaktadır Depolama faalyetlernde dış kaynak kullanımı analz edldğnde, uygulamanın öneml derecede malyet avantaı sağladığı ortaya çıkmaktadır Bu çalışmanın amacı, depo operatörü olarak görev alacak üçüncü part lostk servs sağlayıcı alternatflernn değerlendrlmes çn, çok krterl karar verme model oluşturmaktır Değerlendrme şablonun oluşturulmasında, bulanık mantık yaklaşımı le VIKOR metodu brlkte kullanılmıştır VIKOR, Sırp dlnde çok krterl optmzasyon ve uzlaşık çözüm anlamına gelen, görecel yen br metottur Ayrıca, oluşturulan yaklaşımın gıda sektöründe uygulanmasına yönelk br örnek sunulmuştur Elde edlen sonuçlar, yaygın kullanılan br yöntem olan bulanık TOPSIS metodunun sonuçları le karşılaştırılmıştır Anahtar Sözcükler: Depolama, Depo Operatörü, Mantık, VIKOR, TOPSIS Applcaton of fuzzy VIKOR and fuzzy TOPSIS methods for warehouse logstcs operator selecton Abstract In today s compettve envronment, the mportance of warehousng wthn logstcs has been growng The role of workng wth the rght warehouse operator frm n achevng the enterprses' goals s gettng more mportant Analyss of outsourcng warehouse actvtes or thrd party warehousng reveal that contract warehousng costs are sgnfcantly lower than stand-alone warehousng The am of ths study s to propose a mult-crtera decson makng model to evaluate the thrd party logstcs provder optons as a warehouse operator Relatvely new method, called VIKOR (VlseKrterumska Optmzaca I Kompromsno Resene n Serban, means Mult-crtera Optmzaton and Compromse Soluton) s used n the evaluaton procedure supported by fuzzy logc approach Addtonally, a real case study n food sector s presented to llustrate the applcaton of the suggested approach Obtaned results were compared wth fuzzy TOPSIS method whch s a wdely used approach for mult-crtera decson makng problems Keywords: Warehousng, Warehouse Operator, Fuzzy Logc, VIKOR, TOPSIS 1 Grş Modern şletme yönetmnn öneml yaklaşımlarından br, tedark zncr çersndek öneml lostk faalyetlern yürütülmesnde dış kaynak kullanımına başvurulmasıdır [1] Çok sayıda şletme uzmanlaştıkları alanlara, br başka deyşle temel yetknlklerne 1 agorener@tcaretedutr (A Görener) 198
odaklanmak çn, lostk ve bununla lşkl fonksyonların gerçekleştrlmesn üçüncü part lostk (3PL) frmalarına bırakmaktadır [2] Tedark zncr operasyonları açısından, dış kaynak kullanımı; hem malyet avantaı sağlaması, hem de şletmenn kend alanındak faalyetlerne yoğunlaşablmes bakımından frmaların rekabet gücünü arttırablecek öneml br yaklaşım olarak kabul edlmektedr [3] Geçtğmz yrm yıla bakıldığında lostk aktvteler çersnde depolama faalyetler kapsamındak dış kaynak kullanımının gderek arttığı görülmektedr [4] Tedark zncr operasyonlarının verml ve daha uygun malyetlerle sürdürülmes hedeflendğnde, gerekl değerlendrmeler yapılarak üçüncü part depolama terch edleblr [5] İşletmelern depolama faalyetlern, üçüncü part lostk frmalara yaptırma nedenler Tablo 1 de sıralanmıştır Frmalar, Tablo 1 de belrtlen veya bunlara benzer sebeplerle depo operatörü ntelğndek kuruluşlarla stratek ortaklıklar kurmaktadırlar Tablo 1 Depolamada Dış Kaynak Kullanımı Nedenler - Lostk malyetlern azaltılması - Operasyon hızının arttırılması - Depolama operasyonlarını yapacak uzman personeln ve kaynakların olmayışı - Hzmet kaltesnn arttırılması - Depo, araç, ekpman, blşm vb yatırımların stenmemes - Coğraf açıdan daha genş ölçekte müşterlere ulaşma steğ - İşletmenn çekrdek faalyetlerne yoğunlaşmak stemes - Depolama ve dağıtım merkez operasyonlarındak rskn paylaşımı - İşletmede, operasyonları verml bçmde yürütecek deneymn eksk olması - Rekabet avantaı sağlamak çn profesyonel desteğe olan htyaç - Üçüncü part frmanın yetknlklernn kullanılmak stenmes - Mevsmsel veya geçc proeler çn konusunda uzmanlaşmış partner htyacı - Depolama, dağıtım ve katma değerl servslern bütünleşk olarak yapılması htyacı Elektronk tcaretn ve müşter beklentlernn arttığı küresel üretm ve pazarlama ortamında, depoların ve depolama sstemlernn yönetm daha da karmaşık hale gelmştr [6] Mevcut rekabet ortamında, depolama hzmet veren frmaların faalyetlern teknolo destekl yapmaları gerekmektedr [7] Depolarda modern raf yapılarının ve malzeme taşıma sstemlernn yer alması operasyonların daha verml ve hızlı gerçekleştrlmesn sağlayacaktır Yrm brnc yüzyılın etkn depoları; elektronk pazarların steklerne ve katma değerl faalyetlere yoğunlaşan, malyetlern azaldığı ve hzmet kaltesnn arttığı depolar olacaktır [8] Tedark zncrnn farklı noktalarında htyaç duyulablecek temel depolama faalyetler Tablo 2 de fade edlmştr İşletmeler, depolama eksenl operasyonları üçüncü part lostk frmalarına bırakma sürecnde, bu frmaların sektörel tecrübes ve pyasadak konumundan başlayarak depoların yapısına, hzmet kaltesne, malyet unsurlarına, esneklğe, teknolok alt yapıya, genşleme mkânına, operasyon yoğunluğunun karşılanablmesne kadar brçok farklı karar verme krteryle karşı karşıya kalmaktadırlar Sektöre ve ürüne göre, belrtlen krterlern önem ağırlıklarının doğru analz edlmes ve alternatf seçeneklern bu kapsamda değerlendrlmes gerekldr 199
Tablo 2 Depolama Faalyetler Ürünlern depoya alınması Ürünlern kontrolü Yanlış, eksk, bozuk ürünlern tespt ve gerekl şlemlern yapılması Ürünlern raflara yerleştrlmes Stok yönetm Sparşlern raflardan toplanması Etketleme-barkodlama Depolama performansının ölçümü Elleçleme-konsoldasyon Çapraz sevkyat operasyonları Ambalalama-paketleme Müşterlern özel steklernn gerçekleştrlmes Katma değer oluşturan dğer faalyetler Paydaşlarla elektronk ver değşm faalyetler Hazırlanan ürünlern araçlara atanması Çalışma yapısına bağlı olarak tedarkç yönetmnde envanter (VMI) faalyetler Lteratür ncelendğnde, genel olarak 3PL frma seçmne lşkn çalışmalar mevcut olmakla brlkte, özel olarak depolama tabanlı faalyetler gerçekleştrecek frmanın seçm çn, br başka deyşle depolamada dış kaynak kullanım kararları konusunda yapılan çalışmaların sınırlı sayıda olduğu görülmektedr Moberg ve Speh [1], yapmış oldukları çalışmada üçüncü part depolama frmalarının seçm krterlern ve bölgesel-ulusal servs sağlayıcıların terch edlme nedenlern araştırmışlardır Çalışma kapsamında frmaların lostk yönetcler le yüz yüze görüşmeler yaparak, eğlmlern belrlemeye çalışmışlardır Depolama frmasının seçmnde öneml krterler; esneklk, hzmet yeterllğ, düşük malyet, katma değer oluşturan şlemler yapablme yeteneğ, kapaste ve teknolo olarak fade etmşlerdr Maltz [3], yapmış olduğu çalışmada, depolamada dış kaynak kullanımında hzmet kaltes ve malyet lşksn ncelemştr Farklı sektörlerden yönetclere anketler yaparak, deponun şletme tarafından yönetlmes veya dış kaynak kullanılmasının nedenlern araştırmıştır Aynı yazar farklı br çalışmasında [9] se dış kaynak kullanımı açısından, malyetler le kurumsal strate arasındak lşky araştırmıştır Tompkns ve Smth [4] çalışmalarında depolama faalyetlernde dış kaynak kullanımı konusunu açıklamışlar, dkkat edlmes gereken krterler fade etmşlerdr Değerlendrme krterlern; kapaste, konum, stok yönetm, sparş şleme ve toplama, ambalalamapaketleme, katma değer oluşturan şlemler, operasyonel yeterllk, fnansal stablte, müşter hzmetler, kalte, blşm sstem ve rsk yönetm olarak fade etmşlerdr Korpela ve Lehmusvaara [10], müşter merkezl br yaklaşımla gerçekleştrdklern fade ettkler alternatf depo operatörlernn seçmne lşkn çalışmalarında; analtk hyerarş sürec (AHP) ve karma tamsayılı programlama teknklern kullanarak seçenekler değerlendrmşlerdr Değerlendrmede; kalte, kapaste, malyet, kârlılık, operasyonel yeterllk, güvenlrlk, esneklk, acl sevkyatlar ve özel stekler gb faktörler dkkate almışlardır Colson ve Dorgo [11], yapmış oldukları çalışmada depo seçm çn br yazılım gelştrmşlerdr Yazılım yardımıyla elde ettkler sonuçları, oluşturmuş oldukları memnunyet ve güvenlrlk ndeksleryle brlkte değerlendrmşlerdr Kullanmış oldukları ana krterler; depo yapılarının özellkler ve konumu, gümrükleme faalyetler, lostk ve taşıma şlemlerdr Korpela ve dğerler [12] çalışmalarında, depo operatörü seçmnde analtk hyerarş sürec ve ver zarflama analzn kullanmışlardır Güvenlrlk ve esneklk ana krterlern dkkate aldıkları çalışmalarında; kalte, mktar, teslmat, acl teslmatlar, özel stekler ve kapaste krterlern değerlendrmşlerdr Oluşturmuş oldukları br örnekle, beş alternatf deponun krterler kapsamında etknlğn ölçerek seçm yapmışlardır Jarzemsks [13] yapmış olduğu çalışmada; küçük, orta ve büyük ölçekl şletmelern depolamada dış kaynak kullanımı stratelern karşılaştırmıştır Melachrnouds ve Mn [14], depolama ağının yenden tasarımı konusunda yapmış oldukları çalışmada; malyet, hzmet düzey, rsk, depo kullanım oranı, esneklk ve kapaste gb faktörler dkkate almışlar, karma tamsayılı programlama le analz gerçekleştrmşlerdr Ho ve 200
Emrouznead [15], lostk dağıtım ağı tasarımına değndkler çalışmalarında en uygun deponun seçm çn; güvenlrlk ve sparş şleme, temn süres, toplam temn süres, kalte, kapaste esneklğ, değer katan hzmet gb krterler kullanmışlardır AHP ve hedef programlama le en y depo grubunu tespt etmeye çalışmışlardır Depolamanın, tedark zncr çersnde en fazla dış kaynak kullanılan lostk aktvtelerden br olması dolayısıyla [1], bunun yanı sıra depolamada dış kaynak kullanımı odaklı araştırmaların görecel olarak az sayıda olması sebebyle çalışmada bu konuya odaklanılmıştır Depo operatörü seçm problem kapsamında, krterlern bulanık karar ortamında analz, farklı depo operatörlernn değerlendrlmes ve seçm aşamalarında bulanık mantık destekl VIKOR yöntem kullanılmıştır VIKOR yöntemnn; poztf ve negatf deal çözümler dkkate alarak, krter ağırlıkları le grup kararını bütünleşk olarak sonuca yansıtablmes açısından üstünlüğü lteratürde de fade edlmektedr [16] Ayrıca yöntem, depo operatörü lostk frmasının seçm konusunda daha önce kullanılmamıştır Yapılan çalışmanın bu yönüyle lteratüre katkı sağlayacağı düşünülmektedr Çalışmada, gıda sektöründe faalyet gösteren büyük ölçekl br üretc frmanın, özellkle depolama tabanlı lostk operasyonlarını gerçekleştrecek, depo operatörü ntelğnde görev yapacak alternatf lostk frmalarının değerlendrlmes ve uygun olanının seçm şlemler gerçekleştrlmştr Beş farklı depo operatörü alternatfnn, krterler kapsamında değerlendrlmes netcesnde elde edlen verler, bulanık VIKOR yöntem le analz edlerek en uygun depo operatörü tespt edlmştr Sonuçların geçerllğnn kontrol edlmes amacıyla, çok krterl karar problemlernn çözümünde kullanılan daha esk ve temel metotlardan olan bulanık TOPSIS metodu da uygulanmıştır Bu yöntemle elde edlen sonuçların da bulanık VIKOR yöntemyle elde edlen sonuçlarla paralellk gösterdğ belrlenmştr 2 VIKOR Yöntem Lteratür ncelendğnde VIKOR yöntemnn farklı karar verme krterlernn bulunduğu problemlern çözümünde kullanımının, 2004 yılındak Oprcovc ve Tzeng n [17] çalışmasından tbaren başladığı söyleneblr VIKOR yöntemnde, karar alternatfler çn br sıralama ndeks oluşturulması amaçlanmaktadır Alternatflern deal duruma yakınlık değerler kıyaslanarak, öncelk sıralaması oluşturulur [18, 19] VIKOR yöntem yen sayılablecek br yöntem olduğundan dolayı, yöntemn çok krterl karar verme alanında uygulamaları dğer karar verme metotları le karşılaştırıldığında daha azdır Oprcovc ve Tzeng [17] yapmış oldukları çalışmada, TOPSIS ve VIKOR yöntemlern karşılaştırmışlardır Araştırmacılar VIKOR yöntemnn karar verme grubunun görüşlern daha y yansıtabldğn fade etmşlerdr Chu ve dğerler [18], OPSIS, SAW ve VIKOR yöntemlern kullanarak blg yönetm alanında performansı etkleyen faktörler analz etmşlerdr Oprcovc ve Tzeng [19], hdroelektrk santral alternatflernn değerlendrlmes amacıyla VIKOR yöntemn kullanmışlardır Elde ettkler sonuçları farklı çok krterl karar verme yöntemleryle (TOPSIS, PROMETHEE ve ELECTRE) karşılaştırmışlardır Tzeng vd [20], VIKOR ve TOPSIS yöntemlern kullanarak gerçekleştrdkler çalışmada toplu taşıma çn kullanılacak farklı yakıt türleryle çalışan otobüs seçeneklern; ener tüketm, vermllk, çevreye verlen zarar, hız, bakım kolaylığı gb krterler kapsamında değerlendrmşlerdr Yang ve Wang [21] VIKOR yöntemn tcaret poltkalarının oluşturulması konusuna uygulamışlardır Ön analz aşamasında AHP yöntemn kullanmışlardır Lxn ve dğerler [22], lostk servs sağlayıcı seçm konusunda yaptıkları çalışmalarında VIKOR yöntemn analtk ağ sürec (ANP) yöntem le brlkte uygulamışlardır Ertuğrul ve Karakaşoğlu [23], bankacılık sektöründe yaşanan rekabete değndkler çalışmalarında, şube performanslarını ölçmek amacıyla VIKOR yöntemne dayalı br model önermşlerdr Oprcovc [24], gerçekleştrdğ farklı br çalışmasında se yöntem, bölgesel su tedarğ konusunu ele alarak uygulamıştır Lou ve 201
Chuang [25], dış kaynak kullanılacak frmanın belrlenmes amacıyla yapmış oldukları analzde; VIKOR yöntemn, DEMATEL ve ANP teknkleryle brlkte uygulamışlardır Datta ve dğerler [26] yapmış oldukları çalışmada VIKOR yöntemn, tedarkç seçm problemne uygulamışlardır El-Santawy [27] se yöntem, nsan kaynakları yönetm alanında, eğtm süreçlernn değerlendrlmes konusunda kullanmıştır VIKOR yöntemnn aşamaları aşağıdak gb özetleneblr: 1 Adım: Alternatflern değerlendrlmesnde kullanılacak krterlere at, en y ( f *) ve en kötü ( f - ) skorlar tespt edlr krter, fayda sağlayacak ntelkte br krter se; f * ve f, (1) numaralı eştlktek gb gösterleblr f * max f f mn f = 1,2,,n 2 Adım: Değerlendrlecek brmler çn S ve R değerler hesaplanır w, krter ağırlıklarını göstermektedr (1) S n 1 w ( f * f ) /( f * f ) (2) R max[ w ( f f ) /( f f * * )] 3 Adım: Tüm alternatflern Q değerler (4) numaralı denklem yardımıyla hesaplanır Q * * * * v ( S S ) /( S S ) (1 v)( R R ) /( R R ) (4) numaralı denklemde, S* = mn S ; S - = max S ; R* = mn R ; R - = max R değerlern fade etmektedr v, maksmum grup faydasını temsl etmektedr Brçok çalışmada, v değernn 0,5 olarak kullanıldığı görülmektedr [17, 22, 25] 4 Adım: Hesaplanan Q, S, R değerler küçükten büyüğe doğru sıralanır Düşük Q değern alan seçenek, alternatfler arasındak en uygun seçenek olarak fade edlr 5 Adım: Ortaya çıkan sonuçların kabul edleblmes çn k farklı koşul vardır Koşullar sağlanırsa en düşük Q değerne sahp alternatf, problemn çözümü olarak ortaya çıkmaktadır Koşul 1 (C1)- Kabul edleblr avanta olması: Alternatfler arasında belrl oranda farklılık (üstünlük-zayıflık) olduğunu gösteren durumu fade etmektedr Q(P 2 ) - Q(P 1 ) D(Q) (5) numaralı eştszlkte P 1, en y alternatf fade ederken, P 2 se knc en y alternatf fade etmektedr D(Q)= 1 / ( -1) ) formülü uygulanmaktadır Alternatf sayısı, değer le gösterlmektedr [21] Koşul 2 (C2)- İstkrar durumu: P 1 alternatf S ve R değerler açısından da üstün durumda olmalıdır Seçlen alternatfn S ve R değerlernn herhang brnde en y konumda olması gerekldr edlen k koşuldan br sağlanamaz se çözüm kümes aşağıdak gb fade edleblr: - 2 Koşul sağlanmıyorsa P 1 ve P 2 alternatfler, - 1 Koşul sağlanmıyorsa P 1, P 2,, P M alternatfler Q(P M ) - Q(P 1 ) D(Q) eştszlğ göz önünde bulundurulur Bu durumun gerçekleşmemes, alternatflern bazıları arasında kabul edleblr br farklılık gerçekleşmedğn fade etmektedr [28] (3) (4) (5) 202
3 Mantık ve VIKOR Yöntemnn Brlkte Uygulanablrlğ Günlük hayatta karşılaşılan brçok durumda olduğu gb, şletmelerdek karar süreçlernde ortaya çıkan yorum ve değerlendrmeler de kesn olmayablr Karar verme problemlernde lgl brmlern değerlendrlmesnde, mutlak sayısal değerler veya net yargılar kullanılamıyorsa, sözel fadelere başvurulmaktadır Bunun yanı sıra, kesn değerler gerçekte karşılaşılan durumları modellemede yetersz kalablmektedr Gerçek hayatta karşılaşılan problemlerde, kesn verlere ulaşmanın her koşulda mümkün olmadığı durumlar da söz konusudur [29] mantık, belrszlkler açıklama kablyet bakımından üstünlüğü le öne çıkmaktadır Zadeh e [30] göre klask sstem kuramının matematksel yöntemler, gerçek dünyadak özellkle nsan yargılarını çeren problemlerle uğraşırken yetersz kalmaktadır [31] Zadeh bu durumu çözümleyeblmek çn ntelklern üyelk fonksyonlarıyla fade edldğ bulanık kümeler tanımlamasını ortaya koymuştur [32] kümelerde, br brmn değer 0-1 rakamları arasında br değerdr Br başka deyşle, üyelk dereces 0-1 arasındadır Klask(normal) kümelerde se bu değer ya 0 dır, ya da 1 dr teorde buna, üyelk fonksyonu da denr Lteratür ncelendğnde bulanık VIKOR metodunun uygulandığı farklı çalışmalara rastlamak mümkündür İnce [33], yapmış olduğu çalışmada, bulanık VIKOR yöntemyle kurumsal kaynak planlama yazılımı seçmn gerçekleştrmştr Sanaye ve dğerler [34] gerçekleştrdkler çalışmada, tedarkç seçm problemnn çözümü çn bulanık VIKOR yöntemn kullanmışlardır Wua ve dğerler [35], performans ölçümü konusu kapsamında, VIKOR yöntem le üç bankayı bulanık karar ortamında analz etmştr Büyüközkan ve Ruan [36] se yapmış oldukları çalışmada, kurumsal kaynak planlama yazılımlarının değerlendrlmesnde bulanık VIKOR yöntemn kullanmışlardır Chen ve Wang [37], blşm sstemler le lgl dış kaynak kullanımı proelernde, frma seçm çn bulanık VIKOR yöntemn uygulamışlardır Wu ve dğerler [38], entellektüel ve novatf sermaye konusuna odaklanmış, bulanık VIKOR yöntemn AHP le brlkte kullanarak Tayvan da bulunan ünverstelern yapısal stratelern rdelemşlerdr Kuo ve Lang [39] çalışmalarında, hava alanlarındak servs kaltesn değerlendrmek çn bulanık VIKOR le gr lşk analzn brlkte kullanmışlardır Wang ve dğerler [40] se yaptıkları çalışmada, yazılım seçmnde bulanık VIKOR yöntemne dayalı br analz gerçekleştrmşlerdr Yücenur ve Demrel [41] sgorta şrket seçm konusunu ele aldıkları çalışmalarında bulanık VIKOR yöntemn kullanmışlardır Akyüz [42] se çalışmasında, moblya üreten br frmanın Antalya dak üretm tessler çn ambala tedarkçs seçm kapsamında bulanık VIKOR yöntemn uygulamıştır çok krterl karar verme uygulamalarında en sık karşılaşılan bulanık sayı yapısı, üçgensel bulanık sayılardır Herhang br üçgensel bulanık sayı, Ã ( l, m, u) olarak fade edleblr Klask sayılar kümesnn elemanlarından olan l, m, u değerler arasında u> m> l lşks mevcuttur VIKOR yöntem uygulanırken, değerlendrme krterlernn önem derecelernn belrlenmes aşamasında kullanılacak sözel fadeler ve karşılığı olan bulanık üçgensel sayılar Tablo 3 te verlmştr Alternatflernn değerlendrlmesnde dkkate alınacak olan sözel fadeler ve bunların karşılığı olan bulanık üçgensel sayılar se Tablo 4 te gösterlmştr [37, 43] 203
Tablo 3 Krterlern Ağırlıklandırılmasında Kullanılan Sözel ler Sözel Çok Düşük (CD) Düşük (D) Orta Derecede (OD) Yüksek (Y) Oldukça Yüksek (OY) (0,00; 0,00, 0,25) (0,00; 0,25; 0,50) (0,25; 0,50; 0,75) (0,50; 0,75; 1,00) (0,75; 1,00; 1,00) Tablo 4 Alternatflern Değerlendrlmesnde Kullanılan Sözel ler Sözel Çok Zayıf (CZ) Zayıf (Z) Normal Düzeyde (ND) İy (I) Çok İy (CI) (0; 0; 2,5) (0; 2,5; 5,0) (2,5; 5,0;7,5) (5; 7,5; 10) (7,5; 10; 10) 4 En Uygun Depo Operatörünün Seçm Bu çalışmada, perakende mağazalara ve süpermarketlere ürün tedark eden, gıda sektöründe uluslararası ölçekte faalyet gösteren üretc br frmanın, Türkye dek operasyonları çn hzmet vereblecek depo operatörü lostk frmasının seçm yapılmıştır Lostk sorumlusu, pazarlama sorumlusu ve akademsyenlerden oluşan uzman karar verme grubu oluşturularak, beş farklı lostk frması alternatf değerlendrlmştr Çalışma kapsamında, değerlendrlen lostk frmaların smler verlmeyerek, frmalar A 1, A 2, A 3, A 4 ve A 5 olarak fade edlmştr 41 VIKOR Yöntemne Göre Seçm Depo operatörü seçmnde öncelkle bulanık VIKOR yöntem kullanılmış ve elde edlen sonuçlar br sonrak bölümde ele alınan bulanık TOPSIS yöntemnn sonuçlarıyla karşılaştırılmıştır VIKOR yöntemnde zlenen adımlar aşağıdak gbdr Adım 1: Bu aşamada problem fade edlerek çözüm model oluşturulmuştur Çalışmada farklı depo operatörlernn, karar verme metodları kullanılarak değerlendrlmes ve uygun olan kuruluşun seçlmes hedeflenmştr Öncelkle frmadak lgl brm sorumluları ve akademsyenlerden oluşan karar verc çalışma grubu oluşturulmuştur Adım 2: Alternatflern belrlenmes aşamasıdır Karar verme grubu tarafından, htyacı karşılayableceğ düşünülen beş frma değerlendrmeye alınmıştır Frmalar; A 1, A 2, A 3, A 4 ve A 5 olarak kodlanmıştır Adım 3: Alternatflern değerlendrlmesnde kullanılacak krterlern tespt edlmes safhasıdır Çalışma kapsamında, depolama faalyetler çn lostk servs sağlayıcı seçm amacıyla yrm adet krter belrlenmştr Krterlern belrlenmes ve bunları zleyen aşamalarda lgl lteratür dkkate alınmış, karar verc uzman grubun fkrlernn değerlendrlmesnde se Delph metodu ve grup çalışması teknkler kullanılmıştır Delph metodunda, uzmanların görüşler tek tek toplanmakta ve bu görüşler uzmanlara belrl br düzende tekrar letlerek, br öncek turdak fkrler gözden geçrmeler stenmektedr Bu yapı, konsensüs-uzlaşma sağlanana kadar devam etmektedr [44] Çalışma sonucunda ortaya çıkan, seçm aşamasında kullanılacak yrm değerlendrme krter Tablo 5 te fade edlmş, tabloyu takben krter açıklamaları sunulmuştur 204
Tablo 5 Depo Operatörü Seçm Krterler Krter Depolama - Raf sstem (K1) Kapaste (K2) Malzeme Taşıma Sstem (K3) Operasyonel Yeterllk (K4) Genel Temzlk (K5) Hyen (K6) İş Güvenlğ (K7) Özel İstekler (K8) Ürün Esneklğ (K9) Ölçek Esneklg (K10) Fnansal Durum (K11) Gıda Sektöründe Tecrübe (K12) Gıda Sektöründek Referanslar (K13) Konum (K14) Güvenlrlk (K15) Teknk Yeterllk (K16) Süreç Kontrol Uygulamaları (K17) Sparş Doğruluğu (K18) Ana Malyet (K19) Ek Malyetler (K20) Depolama - Raf sstem: Hzmet verecek lostk frmasının düzgün şleyen, lk gren lk çıkar yöntemnn uygulanableceğ br raf sstemne sahp olması gerekldr Sstemn ntelğ ve modern br yapıda olması öneml br terch nedendr Kapaste: Ürünlern stoklanmasında kullanılacak depo veya depoların yeterl kapastede olması gerekldr Malzeme Taşıma Sstem: Depo çersnde kullanılan mekank sstemlern ve araçların yeterl mktar ve stenen özellkte olması, raflara ürün yerleştrme ve sparş toplama süreçlernn hatasız ve hızlı olmasını sağlayacaktır Operasyonel Yeterllk: Depolama yapısı çersnde rol alan şgörenlern (çalışan operatörler, şefler) ve yönetclern belrl br operasyonel blg brkmne, tecrübeye sahp olması faalyetlern stenen kalte ve vermllkte yürütülmesne yardımcı olacaktır Genel Temzlk: Deponun genel temzlğ, dkkate alınması gereken değerlendrme krterlernden brdr Temz olmayan ortamlarda, daha sonra kazaya neden olablecek; kr, korozyon, yağ brknts gb unsurların tespt edlmes oldukça zordur Hyen: Gıda ürünler söz konusu olduğundan, ortam hyennn sağlanması önemldr Sadece ürün bazlı hyen değl, zemnn, raf sstemlernn ve dğer ekpmanların ürünlere hyen açısından zarar vermemesn sağlayacak dezenfektan sstemlern oluşturulması önemldr İş güvenlğ: Ürünlern raflara konulması ve taşınması esnasında, çalışanları koruyacak tedbrlern alınması gerekldr Rafların kontrollernn yapılması, temel ve peryodk eğtmlern gerçekleştrlp gerçekleştrlmedğ, koruyucu kullanımı, şç sağlığı ve güvenlğne lşkn talmat veya prosedürlern varlığı rdelenmeldr Özel İstekler: Mevcut ş akışının dışında oluşablecek taleplern, belrl koşullar çerçevesnde karşılanablmes depolama operatörü açısından değerlendrmede avanta 205
sağlayacaktır Etketleme, ürün brleştrme, yenden paketleme vb katma değer oluşturan hzmetler örnek olarak verleblr Ürün Esneklğ: Sözleşmede belrtlen ürünlern dışında, boyut veya ağırlık olarak farklı olablecek ürünlern belrl toleranslar dâhlnde depolanablmes terch nedendr Ölçek Esneklğ: Depolanması stenen ürünlern mktarının belrl toleranslar dâhlnde artması sonucu ortaya çıkablecek depolama talebnn, depo operatörü tarafından karşılanablmes stenen br durumdur Fnansal Durum: Sözleşmenn gerçekleştrleceğ frmanın mal yapısı önemldr Uzun sürel sözleşme yapılması stendğnden, fnansal durumu güçlü olan kuruluşlar terch edlecektr Gıda Sektöründe Tecrübe: Operatör frmanın sektörel tecrübes dkkate alınması gereken br krterdr Gıda Sektöründek Referanslar: Daha önce lgl sektörde, brlkte çalışılan kuruluşların varlığı ve gerçekleştrlen uygulamalar seçm aşamasında göz önünde bulundurulmalıdır Konum: Lostk frmasına at depoların, teslmat lokasyonlarına yakınlığı ulaştırma rsknn azalmasına yardımcı olacaktır Güvenlrlk: Depoların şleyş açısından öneml br krter olup, değerlendrmede arızalar arası ortalama süreler, arıza türler, bakım raporları gb faktörler dkkate alınmalıdır Teknk Yeterllk: İşletmenn teknolok altyapısı ve bu sstemler stenen düzeyde kullanablme yeteneğ önemldr Süreç Kontrol Uygulamaları: Kalte beklentlernn karşılandığının ve gerekl takbn yapıldığının somut gösterges olarak, statstksel süreç kontrol uygulamalarının gerçekleştrlyor olması öneml br terch edlme nedendr Sparş Doğruluğu: Depolarda en fazla zaman alan operasyonlar olan sparş toplama faalyetler sonucunda, toplama bölgesne getrlen ürünlerde hataların (yanlış, eksk veya hasarlı ürün) oluşması stenmeyen br durumdur Hem sparş toplama operasyonunun hem de stok takbnn hedeflenen doğrulukta gerçekeleştrlmes gerekldr Ana Malyet: Yapılan sözleşme karşılığında ortaya çıkan ana malyet kalemlern çermektedr Ek Malyetler: Sözleşmede belrtlmek şartıyla, depo operatörü tarafından verleblecek ek hzmetlere lşkn malyetler fade etmektedr Adım 4: Krterlern bulanık ortamda ağırlıklandırılmasının ve alternatflern değerlendrlmelernn gerçekleştrldğ aşamadır Bunun çn öncelkle karar verme ekbnn bulanık yapıdak değerlendrmeler alınmıştır Alternatflern belrtlen krterler kapsamındak değerlendrmeler çn Tablo 3 ve 4 tek sözel fadeler le buna karşılık gelen üçgensel sayılar kullanılmıştır Karar verc grup çersndek her br uzmanın krterler kapsamındak bulanık değerlendrmeler alınarak, alternatflern genel bulanık değerlendrme tablosu oluşturulmuştur m alternatf, n değerlendrme krter çn, t sayıda uzmanın bulunduğu br karar verme ortamında, bulanık karar matrsnn yapılandırılması çn (8) ve (9) numaralı fadeler kullanılmıştır Her br uzmanın değerlendrmelerne lşkn üçgensel bulanık sayılar, (6) ve (7) numaralı eştlklerle grup kararına dönüştürülmüştür w t u 1/ t w u1 (6) 206
x t u 1/ t x u1 W w, w,, 1 2 w n (7) (8) D A A A 1 2 m x x xm 11 21 1 x x 12 22 x m2 x 1n x2n xmn Tablo 6 da krterlern bulanık ağırlıkları, Tablo 7 de alternatfler çn bulanık değerlendrme matrs gösterlmştr Belrtlen tablolardak verler, üç farklı karar vercnn görüşler alınarak oluşturulmuştur Bu üç karar vercden elde edlen matrsler, Ek1 de gösterlmştr Alternatflern değerlendrmes aşamasında elde edlen matrsler se, Ek2, 3 ve 4 te sunulmuştur Bu aşamada elde edlen VIKOR yöntemne lşkn değerler, TOPSIS yöntemnde de aynı şeklde kullanıldığı çn TOPSIS çn ayrıca ek tablo oluşturulmamıştır Adım 5: Tüm alternatflern, krterler kapsamındak bulanık en y ( kötü ( f * f (9) ) ve bulanık en ) değerler tespt edlmştr Tablo 8 de bulanık en y ve bulanık en kötü değerler gösterlmektedr Sonrasında alternatfler çn S J, R J ve Q J değerler hesaplanmıştır Lteratür dkkate alınarak, v = 0,5 değer kullanılmıştır [22, 33, 36, 37] v değer maksmum grup faydasını oluşturan stratenn ağırlığını fade etmektedr Uzlaşma çoğunluk oyu (v>0,5) le konsensüs (v=0,5) veya veto (v<0,5) le gerçekleşeblmektedr [42, 45] Tablo 9 ve 10 da alternatfler çn hesaplanan Q J değerler fade edlmştr Adım 6: Durulaştırma şlemnn yapıldığı aşamadır Çalışmada k farklı durulaştırma yapılmıştır Brncs, üçgensel bulanık sayı elemanlarının artmetk ortalamasının alınmasıdır [33, 37] Tablo 9 ve 10 da (o) le fade edlmştr Dğer se ağırlıklı ortalama yöntemdr [46-49] C = ( l, m, u ) le fade edlen bulanık üçgensel sayının ağırlıklı ortalama le durulaştırma şlem çn (10) nolu fade kullanılablr Bu yöntemle yapılan durulaştırma Tablo 9 ve 10 da, (a) le fade edlmştr P( C) C ( l 4m u) / 6 S, J R, J (10) 207
Tablo 6 Krterlern Ağırlıkları Krter le Edlen Krter Ağırlığı Depolama-Raf Sstem 0,42 0,67 0,92 Kapaste 0,50 0,75 0,92 Malzeme Taşıma Sstem 0,25 0,50 0,75 Operasyonel Yeterllk 0,42 0,67 0,92 Genel Temzlk 0,17 0,42 0,67 Hyen 0,42 0,67 0,92 İş Güvenlğ 0,50 0,75 1,00 Ozel İstekler 0,08 0,25 0,50 Ürün Esneklğ 0,25 0,50 0,75 Ölçek Esneklğ 0,33 0,58 0,83 Fnansal Durum 0,42 0,67 0,92 Gıda Sektöründe Tecrübe 0,50 0,75 1,00 Gıda Sektöründek Referanslar 0,42 0,67 0,92 Konum 0,17 0,42 0,67 Güvenlrlk 0,25 0,50 0,75 Teknk Yeterllk 0,33 0,58 0,83 Süreç Kontrol Uygulamaları 0,33 0,58 0,83 Sparş Doğruluğu 0,50 0,75 0,92 Ana Malyet 0,67 0,92 1,00 Ek Malyetler 0,42 0,67 0,92 Tablo 7 Alternatf Depo Operatörler İçn Değerlendrme Matrs Krter A 1 A 2 A 3 A 4 A 5 K1 5,83 8,33 10,00 6,67 9,17 10,00 5,00 7,50 10,00 3,33 5,83 8,33 2,50 5,00 7,50 K2 4,17 6,67 9,17 6,67 9,17 10,00 5,00 7,50 10,00 2,50 5,00 7,50 1,67 4,17 6,67 K3 3,33 5,83 8,33 5,00 7,50 10,00 2,50 5,00 7,50 2,50 5,00 7,50 2,50 5,00 7,50 K4 5,00 7,50 10,00 5,00 7,50 10,00 4,17 6,67 9,17 2,50 5,00 7,50 3,33 5,83 8,33 K5 7,50 10,00 10,00 5,00 7,50 10,00 5,00 7,50 10,00 2,50 5,00 7,50 2,50 5,00 7,50 K6 5,00 7,50 10,00 3,33 5,83 8,33 2,50 5,00 7,50 0,00 2,50 5,00 0,00 2,50 5,00 K7 5,00 7,50 10,00 5,00 7,50 10,00 5,00 7,50 10,00 2,50 5,00 7,50 3,33 5,83 8,33 K8 4,17 6,67 9,17 5,00 7,50 10,00 4,17 6,67 9,17 2,50 5,00 7,50 2,50 5,00 7,50 K9 4,17 6,67 9,17 5,00 7,50 10,00 4,17 6,67 9,17 2,50 5,00 7,50 2,50 5,00 7,50 K10 2,50 5,00 7,50 2,50 5,00 7,50 5,00 7,50 10,00 0,00 2,50 5,00 2,50 5,00 7,50 K11 5,00 7,50 10,00 5,00 7,50 10,00 2,50 5,00 7,50 1,67 4,17 6,67 1,67 4,17 6,67 K12 4,17 6,67 9,17 1,67 4,17 6,67 0,00 2,50 5,00 0,83 3,33 5,83 0,00 0,00 2,50 K13 4,17 6,67 9,17 1,67 4,17 6,67 0,00 1,67 4,17 0,83 3,33 5,83 0,00 0,00 2,50 K14 4,17 6,67 9,17 5,00 7,50 10,00 5,00 7,50 10,00 2,50 5,00 7,50 2,50 5,00 7,50 K15 4,17 6,67 9,17 5,00 7,50 10,00 5,00 7,50 10,00 2,50 5,00 7,50 2,50 5,00 7,50 K16 5,00 7,50 10,00 5,00 7,50 10,00 5,00 7,50 10,00 2,50 5,00 7,50 2,50 5,00 7,50 K17 2,50 5,00 7,50 5,00 7,50 10,00 2,50 5,00 7,50 2,50 5,00 7,50 0,83 3,33 5,83 K18 2,50 5,00 7,50 5,00 7,50 10,00 2,50 5,00 7,50 2,50 5,00 7,50 2,50 5,00 7,50 K19 2,50 5,00 7,50 0,00 2,50 5,00 2,50 5,00 7,50 0,83 3,33 5,83 2,50 5,00 7,50 K20 2,50 5,00 7,50 0,00 2,50 5,00 2,50 5,00 7,50 0,00 2,50 5,00 2,50 5,00 7,50 Adım 7: Uzlaşma koşullarının (C1 ve C2) kontrolü ve terch sıralamasının fade edlmes aşamasıdır C1 koşulunun rdelenmes çn karar alternatflernn Q skorlarına ve karar alternatf sayısına dayalı br hesaplama yapılmıştır Beş alternatf çn (5) numaralı eştszlk dkkate alınarak; 0,334 0,282 0,25 yazılablr Belrtlen eştszlk nedenyle C1 koşulu geçerl değldr 208
C2 koşulunun karşılanması kapsamında; en y Q değern alan karar alternatfnn, S ve R skorlarının brnde veya her ksnde en y değer almış olması gerekmektedr C2 koşulu rdelendğnde, A 1 alternatfnn (en y Q değern elde eden alternatfn) S değer bakımından knc, R değerler bakımından da A 3 alternatf le brlkte en y skoru elde ettğ söyleneblr Tablo 8 En İy ( f * ) ve En Kötü ( f ) Değerler Krter * f f K1 6,67 9,17 10,00 2,50 5,00 7,50 K2 6,67 9,17 10,00 1,67 4,17 6,67 K3 5,00 7,50 10,00 2,50 5,00 7,50 K4 5,00 7,50 10,00 2,50 5,00 7,50 K5 5,00 10,00 10,00 2,50 5,00 7,50 K6 5,00 7,50 10,00 0,00 2,50 5,00 K7 5,00 7,50 10,00 2,50 5,00 7,50 K8 5,00 7,50 10,00 2,50 5,00 7,50 K9 5,00 7,50 10,00 2,50 5,00 7,50 K10 5,00 7,50 10,00 0,00 2,50 5,00 K11 5,00 7,50 10,00 1,67 4,17 6,67 K12 4,17 6,67 9,17 0,00 2,50 5,00 K13 4,17 6,67 9,17 0,00 0,00 2,50 K14 5,00 7,50 10,00 2,50 5,00 7,50 K15 5,00 7,50 10,00 2,50 5,00 7,50 K16 5,00 7,50 10,00 2,50 5,00 7,50 K17 5,00 7,50 10,00 0,83 3,33 5,83 K18 5,00 7,50 10,00 2,50 5,00 7,50 K19 2,50 5,00 7,50 0,00 2,50 5,00 K20 2,50 5,00 7,50 0,00 2,50 5,00 Koşulların kontrolü yapıldığında, bulanık VIKOR karar verme teknğ açısından tek br alternatfn mutlak üstün olarak kabul edlemeyeceğ görülmektedr Üçüncü bölümde fade edlen Q(P M ) - Q(P 1 ) D(Q) eştszlğne ve Q değerlerne göre oluşturulan, uygun alternatflern uzlaşık çözüm kümes (A 1, A 3, A 2 ) şeklnde fade edleblr Lteratürde uzlaşık çözümün ortaya çıktığı vakalarda, eğer tek br alternatf seçlmes stenyorsa, lk sıradak alternatfn seçlmes gerektğ fade edlmştr [42] Fakat uzlaşık çözüm kümesndek alternatflern brbrne mutlak üstünlük sağlamadığı da analz sonucu ortaya çıkan br bulgudur Depo operatörü seçm problemnde tek br alternatfn seçlmes stendğnden, A 1 alternatf, çok krterl karar verme problemnn çözümü olarak karşımıza çıkmaktadır Seçm şlemnn geçerllğn rdelemek maksadıyla farklı br karar verme metodu le problemn çözümü tekrar gerçekleştrlmştr Karşılaştırma çn kullanılan karar verme yöntem olan bulanık TOPSIS metodu takp eden başlıkta açıklanmış, elde edlen sonuçlar karşılaştırılmıştır 209
Tablo 9 S J ve R J Değerler S S J (o) S J (a) J R R J J (o) R J (a) A 1 1,45 2,79 3,45 2,56 2,68 0,50 0,75 0,92 0,72 0,74 A 2 1,94 3,00 3,58 2,84 2,92 0,67 0,92 1,00 0,86 0,89 A 3 2,97 4,88 5,72 4,53 4,70 0,50 0,75 1,00 0,75 0,75 A 4 6,63 10,97 15,06 10,89 10,93 0,50 0,75 1,00 0,75 0,75 A 5 5,78 10,35 14,55 10,23 10,29 0,50 1,20 1,60 1,10 1,15 Tablo 10 VIKOR Yöntemyle Depo Operatörü Seçmne İlşkn Sonuçlar Alternatfler Q (o) Q (a) Terch Sırası A 1 0,00 0,00 0,00 0,00 0,00 1 A 2 0,55 0,20 0,07 0,27 0,23 3 A 3 0,15 0,13 0,16 0,14 0,14 2 A 4 0,50 0,50 0,56 0,52 0,51 4 A 5 0,42 0,96 0,98 0,79 0,87 5 Q J 42 TOPSIS Yöntemne Göre Seçm Bu bölümde, bulanık VIKOR yöntemyle elde edlen sonuçların geçerllğnn değerlendrlmesn yapablmek amacıyla kullanılacak olan bulanık TOPSIS metodu açıklanmıştır [50, 51] TOPSIS metodu, çok krterl karar problemlernn analznde kullanılan temel metotlardan brdr TOPSIS, değerlendrlen alternatflern deal çözümlere yakınlıklarını göz önünde bulunduran br çözüm sstematğn kullanmaktadır [52] Klask ve bulanık mantık tabanlı uygulamaları bulunan metot, farklı alanlardak brçok çalışmada kullanılmıştır TOPSIS metodunun kullanıldığı alanlara örnek olarak; fabrka yer seçm [51, 53], malzeme seçm [54], bakım stratelernn değerlendrlmes [55], tedarkç seçm [56], güneş eners teknololernn değerlendrlmes [57], yerel havacılık endüstrsnde rekabet analz [58] ve tedark zncr yönetm [59] verleblr Kesn verlern elde edlemedğ veya doğası gereğ net rakamlarla fade edlmes zor olan nsan yargılarının değerlendrlmesnn arzu edldğ ortamlarda TOPSIS, bulanık mantık le bütünleştrlerek kullanılablmektedr [50] TOPSIS metodunun aşamaları şu şeklde fade edleblr [57, 58, 60]: (1) Alternatflern Belrlenmes: Çok krterl karar verme problemnn çözümü kapsamında dkkate alınacak alternatflern belrlendğ aşamadır (2) Değerlendrme Krterlernn Tespt: Alternatflern değerlendrlmesnde dkkate alınacak krterlern tespt edlmes aşamasıdır Seçm sürecne etk eden faktörler sıralanır (3) Sözel Değerlendrmelere İlşkn lern Tanımlanması: Lteratürde en sık kullanılan bulanık mantık yapısı olması dolayısıyla çalışmamızda üçgensel bulanık sayılar kullanılmıştır [50, 53, 59, 61] TOPSIS le lgl lteratür ncelendğnde, krter ağırlıklandırmaları çn genellkle Tablo 11 dek sözel fadeler ve bulanık sayı karşılıklarının kullanıldığı görülmektedr 210
Tablo 11 TOPSIS Metodunda Krterlern Ağırlıklandırılmasında Kullanılan Sözel ler Sözel Çok Düşük (CD) (0; 0,1; 0,3) Düşük (D) (0,1; 0,3; 0,5) Orta Derecede (OD) (0,3; 0,5; 0,7) Yüksek (Y) (0,5; 0,7; 0,9) Oldukça Yüksek (OY) (0,7; 0,9; 1) Karar alternatflernn sözel olarak değerlendrlmes aşamasında kullanılan fadeler ve üçgensel sayı karşılıkları se Tablo 12 de gösterlmştr Tablo 12 TOPSIS Metodunda Alternatflern Değerlendrlmesnde Kullanılan Sözel ler Sözel Çok Zayıf (CZ) (0; 1; 3) Zayıf (Z) (1; 3; 5) Normal Düzeyde (ND) (3; 5; 7) İy (I) (5; 7; 9) Çok İy (CI) (7; 9; 10) (4) Karar Matrsnn Oluşturulması: n adet değerlendrme krter m adet alternatf çn bulanık karar matrs oluşturulur w krter ağırlığını fade etmektedr alternatfn krter karşısındak değern fade etmektedr A W = C 1 C 2 C n A 1 A 2 A m w, w,, w 1 2 x x xm n 11 21 1 x x 12 22 x m2 x 1n x2n xmn x se her br (5) Karar Matrsnn Normalze Edlmes: Her br değerlendrme krternn ağırlığı dkkate alınarak, ağırlıklandırılmış ve normalze edlmş karar matrs oluşturulur R, normalze edlmş bulanık karar matrsn göstermektedr normalze bulanık karar matrsn fade etmektedr r mn R = 1,2, m ; = 1,2, n V v r v mn w = 1,2, m ; = 1,2, n * A V (11) se, ağırlıklandırılmış (6) İdeal Çözümlern Oluşturulması: Poztf bulanık ( ) ve negatf bulanık ( deal çözümlern belrleneblmes amacıyla ağırlıklandırılmış karar matrsndek sütunlara lşkn değerlern en yüksek olanları tespt edlr Değerlendrlen faktör fayda yönlü değl se, en küçük değer dkkate alınır İdeal ve negatf deal bulanık çözümler (12) ve (13) numaralı denklemlerde fade edlmştr A ) 211
* A v *, v * * 1 2 A v 1, v, v (max v 1, 2,, m), 1, 2,, 2, v (mn v 1, 2,, m), 1, 2,, n n (12) (13) (7) Alternatflere İlşkn Uzaklıkların Hesaplanması: Değerlendrlen alternatflern deal çözümden ne kadar saptığını fade eden d * değernn hesaplanışı, (14) numaralı denklemde, negatf deal çözüme at d - değernn hesaplanışı da (15) numaralı denklemde gösterlmştr d * n 1 ( v v ) * 2 (14) d n 1 ( v v ) 2 (15) (8) Görecel Yakınlıkların Belrlenmes: Bu aşamada, tüm alternatflern deal çözüme görecel yakınlık değerlern gösteren C C değerler, (16) numaralı denklemle hesaplanır En yüksek C C değern alan alternatf, deal çözüme en yakın seçenek olarak kabul görmektedr 0 le 1 arasında olablen bu değer, alternatfn karar verme problem kapsamındak uygunluğunu temsl etmektedr Hesaplanan bulanık fade durulaştırılır En yüksek değer elde eden alternatf, uygun çözüm olarak ntelendrlmektedr CC d d * d Ele alınan karar verme problem verler dkkate alınarak, bulanık TOPSIS metodu kapsamında tüm alternatflern deal çözüme görecel yakınlık değerler ( ) hesaplanarak, karar alternatflernn sıralaması yapılmıştır Tablo 13 te TOPSIS metodu le depo operatörü seçmne lşkn sonuçlar görülmektedr Bu çalışma kapsamında, bulanık VIKOR yöntemnde kullanılan durulaştırma teknkler bulanık TOPSIS metodunda da uygulanmıştır Tablo 13 TOPSIS Metoduyla Depo Operatörü Seçmne İlşkn Sonuçlar Alternatfler C C CC (o) CC (a) (16) C C Terch Sırası A 1 0,69 0,73 0,78 0,74 0,73 1 A 2 0,44 0,47 0,48 0,46 0,47 3 A 3 0,59 0,61 0,65 0,62 0,61 2 A 4 0,31 0,34 0,38 0,34 0,34 4 A 5 0,29 0,33 0,36 0,33 0,33 5 TOPSIS yöntem sonucu ortaya çıkan sonuçlar ncelendğnde, depo operatörü olarak A 1 alternatfnn seçlmes gerektğ görülmektedr Tüm alternatflere lşkn terch sıralamaları, VIKOR yöntem le elde edlen sonuçlarla karşılaştırıldığında se sadece A 4 ve A 5 alternatflernn sıralamalarında br değşklk olduğu gözlenmektedr 212
5 Sonuç İşletmelern çekrdek faalyetlernn dışarısında kalan operasyonlarını, konusunda uzman frmalara sözleşmeler karşılığında bırakması, öneml derecede operasyon ve malyet avantaı sağlamaktadır mantık tabanlı depo operatörü seçm modelnn oluşturulduğu bu çalışmayla, depolama faalyetler çn uygun lostk frmasının seçm yapılmıştır Gerçek yaşamda karşılaşılan uygulamaların büyük br çoğunluğunda karar vercler, fkrlern net sayısal rakamlarla fade edememektedrler VIKOR tabanlı yöntem temel alınarak oluşturulan seçm model; belrszlğ dkkate alablmes, alternatflern üstünlük durumunu fade edeblmes ve uzlaşık çözüm oluşturablmes açısından avantaları le ön plana çıkmaktadır Tedark zncr operasyonlarının stenen vermllkte devam ettrlmes hususunda, htyaca yönelk analzler yapılarak uygun olduğu düşünülen safhalarda dış kaynak kullanımına başvurulması terch edlen br seçenektr Lostk alanında dış kaynak kullanımı kararları, br seferlk hzmet alımları olarak değl, uzun sürel ortaklık hedef göz önünde bulundurularak yapılmalıdır Uygun frmanın seçm ve sözleşmenn yapılmasından sonra, ortaklık gerekllklernn kontrolüne lşkn planlama yapılmalı ve performans ölçümünü yerne getrecek br sstem gelştrlmeldr Bundan sonrak çalışmalarda, değerlendrme krterlernn ve alternatflern sayısı arttırılarak daha hassas br analz yapılableceğ gb, dğer bulanık çok krterl karar verme metotları le de problem rdelenerek kurulan modeller ve sonuçları karşılaştırılablr Ayrıca, oluşturulan modeller farklı karar verme problemlernn çözümünde de kullanılablr Kaynakça [1] C R Moberg, T W Speh, Thrd-Party Warehousng Selecton: A Comparson of Natonal and Regonal Frms Md-Amercan Journal of Busness, 19, 2, 71-76 (2004) [2] A Aguezzoul, The Thrd Party Logstcs Selecton: A Revew of Lterature, Proceedngs of Int Logstcs and Supply Chan Congress 2007 (CD), İstanbul, Türkye, 1-7 (2007) [3] A B Maltz, The Relatve Importance of Cost and Qualty n the Outsourcng of Warehousng Journal of Busness Logstcs, 15, 2, 45-62 (1994) [4] J A Tompkns, J D Smth, The Warehouse Management Handbook, Tompkns Publcatons, USA, 1998 [5] E Frazelle, World-Class Warehousng and Materal Handlng, Mc-Graw Hll, USA, 2002 [6] A Brewer, K J Button, D A Hensher, Handbook of Logstcs and Supply-Chan Management, Pergamon-Elsever Ltd, Oxford, UK, 2001 [7] P Obal, Selectng Warehouse Software from WMS and ERP Provders, IDII, USA, 2004 [8] D F Ross, Dstrbuton Plannng and Control: Managng n the Era of Supply Chan Management, Second Edton, Kluwer Academc Publshers, USA, 2004 [9] A B Maltz, Outsourcng the Warehousng Functon: Economc and Strategc Consderatons Logstcs and Transportaton Revew, 30, 3, 245-265 (1994) [10] J Korpela, A Lehmusvaara, A Customer Orented Approach To Warehouse Network Evaluaton and Desgn Internatonal Journal of Producton Economcs, 59, 1-3, 135-146 (1999) 213
[11] G Colson, F Dorgo, A Publc Warehouses Selecton Support System European Journal of Operatonal Research, 153, 332-349 (2004) [12] J Korpela, A Lehmusvaara, J Nsonen, Warehouse Operator Selecton By Combnng AHP and DEA Methodologes Internatonal Journal of Producton Economcs, 108, 135-142 (2007) [13] A Jarzemsks, Determnaton and Evaluaton of The Factors of Outsourcng Logstcs Transport, 21, 1, 44-47 (2006) [14] E Melachrnouds, H Mn, Redesgnng a Warehouse Network European Journal of Operatonal Research, 176, 210-229 (2007) [15] W Ho, A Emrouznead, Mult-Crtera Logstcs Dstrbuton Network Desgn Usng SAS/OR Expert Systems wth Applcatons, 36, 7288-7298 (2009) [16] M Amr, S A Ayaz, L Olfat, J S Morad, Group Decson Makng Process for Suppler Selecton wth VIKOR under Fuzzy Crcumstance Internatonal Bulletn of Busness Admnstraton, 10, 62-75 (2011) [17] S Oprcovc, G H Tzeng, Compromse Soluton by MCDM Methods: A Comparatve Analyss of VIKOR and TOPSIS European Journal of Operatonal Research, 156, 2, 445-455 (2004) [18] M T Chu, J Shyu, G H Tzeng, R Khosla, Comparson Among Three Analytcal Methods for Knowledge Communtes Group Decson Analyss Expert Systems wth Applcatons, 33, 4, 1011-1024 (2007) [19] S Oprcovc, G H Tzeng, Extended VIKOR Method n Comparson wth Other Outrankng Methods European Journal of Operatonal Research, 178, 2, 514-529 (2007) [20] G H Tzeng, C W Ln, S Oprcovc, Mult-Crtera Analyss of Alternatve-Fuel Buses for Publc Transportaton Energy Polcy, 33, 1373-1383 (2005) [21] C Yang, T Wang, VIKOR Method Analyss of Interactve Trade n Polcy-Makng The Busness Revew, 6, 2, 77-85 (2006) [22] D Lxn, L Yng, Z Zhguang, Selecton Of Logstcs Servce Provder Based On Analytc Network Process and VIKOR Algorthm, Networkng, Sensng and Control, ICNSC 2008-IEEE Internatonal Conference Proceedngs, 1207-1210 (2008) [23] İ Ertuğrul, N Karakaşoğlu, Banka Şube Performanslarının VIKOR Yöntem İle Değerlendrlmes Endüstr Mühendslğ Dergs, 20, 11, 19-28 (2009) [24] S Oprcovc, A Compromse Soluton n Water Resources Plannng Water Resources Management, 23, 1549-1561 (2009) [25] J J H Lou, Y T Chuang, Developng a Hybrd Mult-Crtera Model for Selecton of Outsourcng Provders Expert Systems wth Applcatons, 37, 3755-3761 (2010) [26] S Datta, S S Mahapatra, S Baneree, A Bandyopadhyay, Comparatve Study on Applcaton of Utlty Concept and VIKOR Method for Vendor Selecton, Proceedngs of AIMS Internatonal Conference on Value-based Management, 614-622 (2010) [27] M F El-Santawy, A VIKOR Method for Solvng Personnel Tranng Selecton Problem Internatonal Journal Of Computng Scence, 1, 2, 9-12 (2012) [28] J W Lee, S H Km, Usng ANP and Goal Programmng for Interdependent Informaton System Proect Selecton Computers & Operatons Research, 27, 4, 367-382 (2001) 214
[29] O Kulak, C Kahraman, Fuzzy Mult-Attrbute Selecton Among Transportaton Companes Usng Axomatc Desgn and AHP Informaton Scences, 170, 2-4, 191-210 (2005) [30] L A Zadeh, Fuzzy Sets Informaton and Control, 8, (1965) [31] G Akman, A Alkan, Tedark Zncr Yönetmnde AHP Yöntem Kullanılarak Tedarkçlern Performansının Ölçülmes: Otomotv Yan Sanaynde Br Uygulama İstanbul Tcaret Ünverstes Fen Blmler Dergs, 5, 9, 23-46 (2006) [32] A Öztürk, İ Ertuğrul, N Karakaşoğlu, Naklye Frması Seçmnde AHP ve TOPSIS Yöntemlernn Karşılaştırılması Marmara Ünverstes İİBF Dergs, 15, 2, 785-824 (2008) [33] Ö İnce, Selecton of an ERP Software System by Usng Fuzzy VIKOR, Informaton Scences 2007-Proceedngs of the 10th Jont Conference CD, Salt Lake Cty, Utah, USA (2007) [34] A Sanaye, S F Mousav, A Yazdankhah, Group Decson Makng Process For Suppler Selecton Wth VIKOR Under Fuzzy Envronment Expert Systems wth Applcatons, 37, 1, 24-30 (2010) [35] H Y Wua, G H Tzeng, Y H Chen, A Fuzzy MCDM Approach For Evaluatng Bankng Performance Based On Balanced Scorecard Expert Systems wth Applcatons, 36, 6, 10135-10147 (2009) [36] G Büyüközkan, G D Ruan, Evaluaton of Software Development Proects Usng a Fuzzy Mult-Crtera Decson Approach Mathematcs and Computers n Smulaton, 77, 464-475 (2008) [37] L Y Chen, T Wang, Optmzng Partners Choce n IS/IT Outsourcng Process: The Strategc Decson of Fuzzy VIKOR Internatonal Journal of Producton Economcs, 120, 1, 233-242 (2009) [38] H Y Wu, J K Chen, I S Chen, Innovaton Captal Indcator Assessment of Tawanese Unverstes: A Hybrd Fuzzy Model Applcaton Expert Systems wth Applcatons, 37, 1635-1642 (2010) [39] M S Kuo, G S Lang, Combnng VIKOR wth GRA Technques to Evaluate Servce Qualty of Arports under Fuzzy Envronment Expert Systems wth Applcatons, 38, 1304-1312 (2011) [40] T C Wang, J L Lang, C Y Ho, Mult-Crtera Decson Analyss by Usng Fuzzy VIKOR, Servce Systems and Servce Management Internatonal Conference Proceedngs, 901-906 (2006) [41] G N Yücenur, N Ç Demrel, Group Decson Makng Process For Insurance Company Selecton Problem wth Extended VIKOR Method Under Fuzzy Envronment Expert Systems Wth Applcatons, 39, 3, 3702-3707 (2012) [42] G Akyüz, VIKOR Yöntem le Tedarkç Seçm Atatürk Ünverstes İktsad ve İdar Blmler Dergs, 26, 1 (2012) [43] S J Chen, G H Huang, Fuzzy Multple Attrbute Decson Makng, Sprnger, NY, 1992 [44] D Vehland, Research Applcatons of the Delph Method, CIS Group Research Semnar Seres, 2007, tur-www1masseyacnz/hryu/delph%20methodpdf, 02 Eylül 2010 215
[45] F H Tool, A Omdan, M R Fath, Applyng Fuzzy AHP and VIKOR to Research Supervsor Selecton: A Case Study Amercan Journal of Scentfc Research, 30, 19-27 (2011) [46] D Yong, Plant Locaton Selecton Based on Fuzzy TOPSIS Internatonal Journal of Advanced Manufacturng Technologes, 28, 7-8, 839-844 (2006) [47] E Özgörmüş, Ö Mutlu, H Güner, AHP le Personel Seçm, V Ulusal Üretm Araştırmaları Sempozyumu Bldrler Ktabı, İstanbul, 111-115 (2005) [48] T Kaya, C Kahraman, Multcrtera Renewable Energy Plannng Usng an Integrated Fuzzy VIKOR & AHP Methodology: The Case Of Istanbul Energy, 35, 2517-2527, (2010) [49] M Yavuz, Fuzzy Inventory Management, n Producton Engneerng and Management under Fuzzness Book, Sprnger-Verlag Berln Hedelberg, 2010, 25-38 [50] C T Chen, Extensons of the TOPSIS for Group Decson-Makng under Fuzzy Envronment Fuzzy Sets and Systems, 114, 1, 1-9 (2000) [51] T C Chu, Faclty Locaton Selecton Usng Fuzzy TOPSIS Under Group Decsons Int Journal of Uncertanty, Fuzzness and Knowledge-Based Systems, 10, 687-701 (2002) [52] C L Hwang, K Yoon, Multple Attrbute Decson Makng: Methods and Applcaton, Sprnger Publcatons, Berln, 1981 [53] P Alcan, H Baslgl, A Faclty Locaton Selecton Problem by Fuzzy TOPSIS, Proceedngs of 15th Internatonal Research/Expert Conference Trends n the Development of Machnery and Assocated Technology TMT 2011, 329-332 (2011) [54] A Shanan, O Savadogo, TOPSIS Multple-Crtera Decson Support Analyss for Materal Selecton of Metallc Bpolar Plates for Polymer Electrolyte Fuel Cell Journal of Power Sources, 159, 1095-1104 (2006) [55] K Shyth, M Ilangkumaran, S Kumanan, Mult-Crtera Decson-Makng Approach to Evaluate Optmum Mantenance Strategy n Textle Industry Journal of Qualty n Mantenance Engneerng, 14, 4, 375-386 (2008) [56] K Shahanagh, S A Yazdan, Vendor Selecton Usng a New Fuzzy Group TOPSIS Approach Journal of Uncertan Systems, 3, 3, 221-231 (2009) [57] F Cavallaro, Fuzzy TOPSIS Approach for Assessng Thermal-Energy Storage n Concentrated Solar Power (CSP) Systems Appled Energy, 87, 496-503 (2010) [58] G Torlak, M Sevkl, M Sanal, S Zam, Analyzng Busness Competton by Usng Fuzzy TOPSIS Method: An Example of Turksh Domestc Arlne Industry Expert Systems wth Applcatons, 38, 3396-3406 (2011) [59] S Apak, Ö Vayvay, O Feyzoğlu, A Decson Makng Model for the Evaluaton of Supply Chan Executon and Management Systems Internatonal Journal of Computatonal Intellgence Systems, 6, 2, 293-306 (2013) [60] R K Sngh, L Benyoucef, A Fuzzy TOPSIS Based Approach for E-Sourcng Engneerng Applcatons of Artfcal Intellgence, 24, 437-448 (2011) [61] J F Dng, An Integrated Fuzzy TOPSIS Method for Rankng Alternatves and Its Applcaton Journal of Marne Scence and Technology, 19, 4, 341-352 (2011) 216
Ek 1 Değerlendrme Krterler İçn Karar Verclere At Değerlendrmeler Karar Verc-1 Karar Verc-2 Karar Verc-3 K1 Y 0,5 0,75 1 Y 0,5 0,75 1 OD 0,25 0,5 0,75 K2 Y 0,5 0,75 1 OD 0,25 0,5 0,75 OY 0,75 1 1 K3 OD 0,25 0,5 0,75 OD 0,25 0,5 0,75 OD 0,25 0,5 0,75 K4 Y 0,5 0,75 1 OD 0,25 0,5 0,75 Y 0,5 0,75 1 K5 D 0 0,25 0,5 OD 0,25 0,5 0,75 OD 0,25 0,5 0,75 K6 OD 0,25 0,5 0,75 Y 0,5 0,75 1 Y 0,5 0,75 1 K7 Y 0,5 0,75 1 Y 0,5 0,75 1 Y 0,5 0,75 1 K8 D 0 0,25 0,5 CD 0 0 0,25 OD 0,25 0,5 0,75 K9 OD 0,25 0,5 0,75 OD 0,25 0,5 0,75 OD 0,25 0,5 0,75 K10 OD 0,25 0,5 0,75 Y 0,5 0,75 1 OD 0,25 0,5 0,75 K11 OD 0,25 0,5 0,75 Y 0,5 0,75 1 Y 0,5 0,75 1 K12 Y 0,5 0,75 1 Y 0,5 0,75 1 Y 0,5 0,75 1 K13 Y 0,5 0,75 1 Y 0,5 0,75 1 OD 0,25 0,5 0,75 K14 D 0 0,25 0,5 OD 0,25 0,5 0,75 OD 0,25 0,5 0,75 K15 OD 0,25 0,5 0,75 OD 0,25 0,5 0,75 OD 0,25 0,5 0,75 K16 Y 0,5 0,75 1 OD 0,25 0,5 0,75 OD 0,25 0,5 0,75 K17 OD 0,25 0,5 0,75 Y 0,5 0,75 1 OD 0,25 0,5 0,75 K18 Y 0,5 0,75 1 OD 0,25 0,5 0,75 OY 0,75 1 1 K19 OY 0,75 1 1 Y 0,5 0,75 1 OY 0,75 1 1 K20 Y 0,5 0,75 1 Y 0,5 0,75 1 OD 0,25 0,5 0,75 Ek 2 Alternatflern Değerlendrlmeler (Karar Verc-1) Krter Alternatf 1 Alternatf 2 Alternatf 3 Alternatf 4 Alternatf 5 K1 CI 7,5 10 10 CI 7,5 10 10 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 K2 I 5 7,5 10 CI 7,5 10 10 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 K3 ND 2,5 5 7,5 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 ND 2,5 5 7,5 K4 I 5 7,5 10 I 5 7,5 10 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 K5 CI 7,5 10 10 I 5 7,5 10 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 K6 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 Z 0 2,5 5 Z 0 2,5 5 K7 I 5 7,5 10 I 5 7,5 10 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 K8 I 5 7,5 10 I 5 7,5 10 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 K9 I 5 7,5 10 I 5 7,5 10 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 K10 ND 2,5 5 7,5 ND 2,5 5 7,5 I 5 7,5 10 Z 0 2,5 5 ND 2,5 5 7,5 K11 I 5 7,5 10 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 ND 2,5 5 7,5 K12 I 5 7,5 10 ND 2,5 5 7,5 Z 0 2,5 5 Z 0 2,5 5 CZ 0 0 2,5 K13 I 5 7,5 10 ND 2,5 5 7,5 CZ 0 0 2,5 Z 0 2,5 5 CZ 0 0 2,5 K14 I 5 7,5 10 I 5 7,5 10 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 K15 I 5 7,5 10 I 5 7,5 10 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 K16 I 5 7,5 10 I 5 7,5 10 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 K17 ND 2,5 5 7,5 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 Z 0 2,5 5 K18 ND 2,5 5 7,5 I 5 7,5 10 ND 2,5 5 7,5 ND 2,5 5 7,5 ND 2,5 5 7,5 K19 ND 2,5 5 7,5 Z 0 2,5 5 ND 2,5 5 7,5 Z 0 2,5 5 ND 2,5 5 7,5 K20 ND 2,5 5 7,5 Z 0 2,5 5 ND 2,5 5 7,5 Z 0 2,5 5 ND 2,5 5 7,5 Ek 3 Alternatflern Değerlendrlmeler (Karar Verc-2) 217