BULUT TEKNOLOJ S F RMALARININ BULANIK AHP MOORA YÖNTEM KULLANILARAK SIRALANMASI

BULUT TEKNOLOJ S F RMALARININ BULANIK AHP MOORA YÖNTEM KULLANILARAK SIRALANMASI Bahad r Fath YILDIRIM.Ü. letme Fakültes Say sal Yöntemler ABD. Onur ÖNAY.Ü. letme Fakültes Say sal Yöntemler ABD. ÖZET Bulut teknolojler günümüz dünyas nda gderek daha fazla yer almaya ba lam t r. Önümüzdek y llarda bu teknolojnn kullan m n n mevcut durumdan çok daha fazla artaca brçok uzman taraf ndan belrtlmektedr. Bulut teknolojs sa layan brçok frma mevcuttur. Bu çal mada, bulut teknolojs üzerne yaz lm br rapordan yola ç karak be frman n sa lad hzmetn, raporda de erlendrmeye al nan krterler baz al narak s ralamas yap lm t r. Bulan k AHP yöntem le krterlern a rl klar belrlenm, MOORA yöntem le s ralamalar yap lm t r Anahtar Kelmeler: Bulut Teknolojs, Bulan k AHP, MOORA RANKING CLOUD STORAGE TECHNOLOGY FIRMS USING FUZZY AHP MOORA METHOD ABSTRACT Cloud Storage Technology often uses n today s busness world. Ths technology wll use more often from now n followng years, sad by a lot of experts from computer scence as well as busness. There are a lot of Cloud Storage Technology frms. In ths study, fve cloud storage technology frms ordered wth ten crteron whch are n a cloud storage technology report. Fuzzy AHP Method used for weghts of crteron and MOORA Method used for order frms. Keywords: Cloud Storage Technology, Fuzzy AHP, MOORA

G R Günümüz teknolojk gel meler paralelnde kar lanmas gerekl htyaçlar da artmaktad r. Teknolojnn lerlemesnn getrd öneml gel melerden br zaman ve ula lablrlk kavram n n farkl la t rmas d r. Günümüzde blgsayarlar n ya am n olmazsa olmaz parças halne gelmesyle ve blgsayar n nternetle brle mesyle blgye her an her yerden ula lablr hale gelnm tr. E-posta kavram le çok da esk say lmayacak öncek y llara göre posta traf h zlanm ve yo unla m t r. Klask cep telefonlar ndan ak ll telefonlara geçlmes ve büyük masaüstü blgsayarlardan tablet blgsayarlara gelnmes netcesnde, yolculuk yaparken, ö le yeme nde veya br hafta sonu seyahatnde art k ler takp edlmes, yaz malar yap lmas hatta elektronk ortamda toplant lar yap lmas gerekeblmektedr. Tüm bu mobletnn artmas, htyaç duyulan blgnn stenld anda ula lablme htyac n getrmektedr. Ofstek br blgsayarda kay tl br blg hafta sonu br yaz mada kullan lamad ndan ler ertelenmes, brkmes ve ba ar s zl na neden olablmektedr. Tüm bu durumlar göz önüne al nd nda bulut depolama hzmet devreye greblmektedr. Bulut depo üzerne kay tl olan blg nternet üzernden ula larak lern düzenl gtmes sa lanablmektedr. Ayr ca br veya brkaç blgsayara ba l kalmadan tan ml kullan c lar taraf ndan ortak blgye ula lablmekte böylece blg brl de sa lanm olmaktad r. Bulut (Cloud teknolojs en bast halyle nternet üzernden er me aç k bulunan yaz l m uygulamalar, ver depolama hzmet ve lem kapastesdr. Bu teknolojde kullan c lar bl m alan nda kulland klar araçlara ne zaman sterlerse ya da htyaç duyarlarsa o zaman er eblmektedr. Bulut teknolojsnn üç yap ta bulunmaktad r, bunlar SaaS (Software as a Servce, PaaS (Platform as a Servce ve IaaS't r (Infrastructure as a Servce.( http://www.cloudturk.net/cloud_nedr.html Er m Tarh: 22..23 Bu çal ma le bulut depolama hzmet veren be büyük frman n, on krtere göre s ralanmas amaçlanm t r. Bunun çn; Bulan k AHP yönetm le krter a rl klar belrlenm, daha sonra MOORA oran metodu ve referans nokta yakla m le eldek verye göre s ralamalar yap lm t r. Bulut Teknolojs sektöründe servs sa lay c konumunda bulunan Nasun frmas taraf ndan yay nlanan The State of Cloud Storage 23 Industry Report, A Benchmark Comparson of Performance, Avalablty and Scalablty ba l kl raporda belrlenm olan frmalar ve raporda de erlendrme yap lmas çn yap lan testler, bu çal man n alternatf ve krterlern olu turmaktad r. Analtk Hyerar Proses (AHP yakla m, karma k karar verme problemlernde, karar alternatfler ve krterlerne görecel önem de erler atamak suretyle karar mekanzmas n n çal t r lmas esas na dayal olan Çok Krterl Karar Verme (ÇKKV yöntemdr. (Tmor, 6

2: s.8; Tmor, 22: s.25. AHP yakla m n n belrszlk durumunda etkn karar verme konusundak eksklklernden dolay bulan k mant k entegrasyonu le Bulan k AHP yakla m olarak kullan lmaya ba lanm t r. Bulan k AHP yakla m karar vercye de erlendrme sürecnde dlsel de kenler kulland rmak suretyle kolayl k sa lamaktad r. Bu sebeple ÇKKV problemlernn çözümünde etkn kullan lan br yöntemdr. MOORA Yöntem, 26 y l nda W. K. M. Brauers, E. K. Zavadskas taraf ndan yap lan çal mada tan t lm t r (Önay ve Çetn, 22. Lteratürde MOORA-Oran metodu, MOORA-Referans nokta yakla m, MOORA-Önem Katsay s, MOORA-Tam Çarp m Formu, MULTI-MOORA olacak eklde çe tl MOORA yöntemler oldu u belrtlmektedr (Ersöz ve Atav 2, s:79. MOORA Yöntemnn farkl konular üzerne brçok uygulamas mevcuttur.. BULANIK SAYI, KÜME VE S STEMLER 965 y l nda Azer akademsyen Lotfy A. Zadeh taraf ndan ortaya at lan bulan k küme, bulan k mant k ve bulan k sstem kavramlar ba larda lteratürde tamamen kabul görmem ancak 975 y l nda ngltere Queen Mary College de Mamdan ve Asslan taraf ndan gel trlen br buhar maknesnn kontrolünün bulan k sstem kullan larak modellenmes le önem kazanmaya ba lam t r ( en, 29 s.5-6. Bulan k mant k, klask k de erl (, mant n genelle trlm hal olup, daha gen anlamda se bulan k kümeler kullanan tüm teor ve teknolojler fade etmektedr (Baykal ve Beyan, 24 s.39. Çok de erl mant k, geleneksel kümelerden olu turulan önermelern, kden fazla do ruluk de er le e le trlebld mant k sstemdr. Bulan k mant k se, belrszlk durumunda ak l yürütme le çok de erl mant n brle trlmes esas na dayal mant ksal br sstemdr (Özkan, 23 s.23. Elemanlar x le gösterlen br E evrensel kümes tan mlan rsa, E evrensel kümesnn klask br alt kümes olan A çn ( A E üyelk, μ A karakterstk fonksyonu le gösterlr ve {,} aras nda a a dak gb de klk gösterr: μa( x = x A x / A ( Oysa belrszlk üzerne kurulu bulan k mant kta küme de ernn sadece yada de er yerne [,] aral nda olmas söz konusu olup küme de erlernn bu aral ktan belrlenmes durumunda A kümes Bulan k Küme olma özell kazan r. Br bulan k kümenn temsl sembolün üstünün çzlmes le fade edlr (Akman ve Alkan, 26 s.3. Bulan kl k 6

sembolü le gösterlr, bulan k br küme fades çn A kullan l r (Seçme Yalç n ve Özdemr, 28 s.78 Bulan k kümeler klask kümelerden ay ran temel özellk le aras nda de en de k üyelk derecelerne sahp elemanlardan olu mas d r. le aras ndak de mn her br eleman çn de erne üyelk dereces, üyelk derecesnn br alt küme çersndek de mne se üyelk fonksyonu denr ( en, 29 s.4. Bulan k küme teorsnde üyelk fonksyonlar n belrleme sürec çn özel algortmalar gel trlm tr ancak brçok uygulama lem kolayl sa lamas aç s ndan parametrk olarak fade edleblen üyelk fonksyonlar le gerçekle trlm tr (Özkan, 23 s.. Parametrk üyelk fonksyonlar aras nda en yayg n kullan m alan bulan üyelk fonksyonlar, blg lemsel etknlkler ve formüllernn bast olu u nedenyle üçgensel ve yamuksal üyelk fonksyonlar d r (Baykal ve Beyan, 24 s.79. Bulan k say lar, bulan k kümenn çe tler aras nda yer alan ve gerçel say lar kümes de tan ml bulan k kümelerdr (Klr ve Yuan, 995 s.97. Bu bak mdan bulan k kümelern özel br alt kümes olarak fade edleblr. Her bulan k say bulan k br küme olablr ama her bulan k küme, bulan k br say olamaz (Özkan, 23 s.59. (2 Bulan k say lar n k özel türü olan üçgensel (trangular ve yamuksal (trapezodal bulan k say lar uygulamada s kça kullan lmakta olup smlern üyelk fonksyonlar n n bçmlernden al rlar (Özkan, 23: s.6. Bu çal mada üçgensel bulan k say (ÜBS lar kullan lm t r. Br üçgensel bulan k say (ÜBS, sol ve sa destek alanlar le tek br eleman le fade edlen özden olu maktad r ve (l, m, u parametreler le gösterlr. ÜBS ya at üyelk fonksyonu a a dak gb matematksel olarak fade edleblr., x < lveyax> u x l μ ( x, l x m A = (3 m l u x, m x u u m 62

EK L : Üçgensel Bulan k Say sol destek sa destek Kaynak: en 29: s.4 m u ÜBS parametreler aras nda l<m<u s ralamas vard r. l ve u parametreler ÜBS n n destek kümesnn alt ve üst s n rlar n göstermektedr. m parametres le fade edlen ve üyelk dereces e e t olan tek br elemandan olu an öz bulunmaktad r. l ve m parametreler sol destek alan n n, m ve u parametreler sa destek alan n n s n rlar n göstermektedr. A = ( l, m, u ve B = l m u 2 2 2 (,, eklnde 2 ÜBS olsun. l m u ve l 2 m 2 u 2 olmak üzere bu k ÜBS üzernde yap lablecek yakla k artmetk lemler u eklde s ralanablr: E tlk, A ve B ÜBS lar n n e t olablmes çn, üyelk fonksyonlar n n d er br dey le kar l kl elemanlar n n e t olmas gerekmektedr. A = B ( l, m, u = ( l, m, u l = l, m = m, u = u (4 2 2 2 2 2 2 Toplama, A ( + B = ( l + l, m + m, u + u (5 2 2 2 63

Ç karma, A ( B = ( l u, m m, u l (6 2 2 2 Çarpma ve bölme lemler poztf ÜBS lar üzernde tan mlanacakt r. Poztf br bulan k say, alt s n r de er poztf olan say d r. Çarpma, l, l2 > A ( B = ( l l, m m, u u 2 2 2 (7 Bölme, l, l > 2 l m u A (/ B =,, u2 m2 l2 (8 2. BULANIK ANAL T K H YERAR PROSES YAKLA IMI Analtk Hyerar Proses (AHP yakla m, karma k karar verme problemlernde, karar alternatfler ve krterlerne görecel önem de erler atamak suretyle karar mekanzmas n n çal t r lmas esas na dayal br karar verme lemdr (Tmor, 2: s.8; Tmor, 22: s.25. Saaty e (994 göre AHP, kar la t rmal yarg lar yard m yla oransal olarak fade edlen kar la t rmal önem düzeylerne ula lmas n ve de kenler hakk nda daha çok blgye sahp olunmas n sa lamaktad r. AHP yakla m n d er ÇKKV teknklernden ay ran temel nokta; karma k, çok k l (grup, çok krterl ve çok peryotlu problemler hyerar k olarak yap land ran (Sekreter, Akyüz, pekç, 24: s.4 ve hem ncel hem de ntel de kenler brlkte de erlendreblen br yap da olmas d r (Yüksel, 26: s.63. Hyerar k yap y olu turan tüm parçalar brbrler le l kldr ve herhang br faktörde yap lacak de kl n d er faktörler nas l etkleyece görüleblmektedr (Tatl dl ve Özgürlük, 29: s.. Karar vercnn karar problemne l kn deneym, blg ve sezg gb soyut kavramlar say salla t rmak suretyle (Raharjo, Xe, Brombacher, 29: s.834 karar sürecne dahl etmesne olanak sa lar (Y lmaz, 2: s.29. 64

Karar vercnn hem objektf hem de subjektf dü üncelern karar sürecne dâhl edeblmes, AHP'nn en öneml özell dr (Grgner, 28: s.33; Spah ve Or, 25: s.55. AHP yakla m, gerçek hayatta brçok karar verme problemnn çözümünde etkn br bçmde kullan lmas na ra men, kl kar la t rmalar yaparken kesn say lar kullanmas ndan dolay ele trlm tr (Da devren, 27: s.272. Ayr ca AHP yakla m, kesn olmama ve belrszlk durumlar n ele almada yetersz kald çn de ele trlmektedr (Deng, 999: s.26. Belrszlk durumunda etkn karar verme konusundak bu eksklklernden dolay AHP yakla m bulan k mant k entegrasyonu le Bulan k Analtk Hyerar Proses (BAHP yakla m olarak kullan lmaya ba lanm t r. AHP yakla m nda karar verc de erlendrmeler yaparken gerçek de erler kullanmaktad r ancak BAHP yakla m nda bulan k say lar veya dlsel de kenler kullanarak daha kolay de erlendrme yapablmektedr (Özgörmü, Mutlu ve Güner., 25: s.2. Lteratür taramas sonucu belrszl n hakm oldu u karar problemlernde BAHP yakla m n n s kl kla kullan ld görülmektedr. Yaz l m seçm (Ba l gl, 25, hedef pazar belrlenmes (Toksar M., Toksar D. 2, verml ve ekonomk klmlendrme sstemlernn de erlendrlmes (Gürler, Güler, Topoyan, 2, tersane yer seçm (Güner ve ahn, 27, dz üstü blgsayar seçm (Ertu rul ve Karaka o lu, 2, tedarkç seçm (Seçme Yalç n ve Özdemr, 28 ve tedarkç performanslar n n de erlendrlmes (Akman ve Alkan, 26, akademk performans de erlendrmes (Kaptano lu ve Özok, 26, proje seçm (Enea ve Pazza, 24, hastane kurulu yer belrleme (Ayd n, 29, makne-ekpman seçm ( ç ve Yurdakul, 28 gb çok krterl karar verme problemlernde BAHP yakla m uygulamalar yap lm t r. kl kar la t rmalar sürecnde bulan k say lar kullanan lk çal ma Van Laarhoven ve Pedrycz taraf ndan 983 de yay nlanm zleyen y llarda kl kar la t rmalar sürecnde bulan k say lar kullanan brçok çal ma yap lm, farkl yöntemler gel trlm tr. Bu çal mada BAHP metodlar ndan Chang n Gen letlm Analz Yöntem kullan lm t r. Chang n gen letlm analz yöntemnn ad mlar u eklde özetleneblr (Chang, 996: s.65-65: 65

. Ad m: Ölçüt ye göre bulan k sentetk mertebe de er, m n m j j S = Mg Mg j= = j= (9 eklnde tan mlan r. Buradak m j M g de ern elde etmek çn m mertebe analz de erne j= E tlk ( da görülece üzere bulan k toplama lem uygulanmaktad r. Formüldek lemler aç l rsa, = m m m m j M g l,, j mj uj j= j= j= j= ( = n m n n n j M g l,, m u = j= = = = ( n m = j= M =,,, u m l = = = j g n n n (2 formüller elde edlr. 2. Ad m: M, ( l, m, u parametreler le; M 2, ( l 2, m 2, u 2 parametreler le gösterlsn. M = ( l, m, u M2 = ( l2, m2, u2 fadesnn olas l k dereces, y x ( μm μm V( M2 M = sup mn ( x, ( y 2 (3 eklnde tan mlan r. M ve M 2 üçgensel konveks bulan k say lar olmak üzere,, m2 m V ( M 2 M = hgt ( M M 2 = μm ( d =, l 2 u2 l u2, d er durumlar ( m2 u2 ( m l (4 66

fades elde edlr. V( M M fades M ve M 2 üçgensel bulan k say lar n n kes m 2 kümesnn ordnat n yan üyelk fonksyonu de ern göstermektedr. M ve 2 ( M V M 2 M üçgensel bulan k say lar n k yaslayablmek çn V( M M de erlernn hesaplanmas gerekmektedr. 2 ve M 3. Ad m: Konveks br bulan k say n n k tane konveks bulan k say dan {,2,..., k} = büyük olmas n n olablrlk dereces, (, 2,..., k (,( 2,...,( k V( M M k = V M M M M = V M M M M M M = mn, =, 2,..., (5 eklnde tan mlanablr. Burada = {,2,..., k} çn d ( A = mn V( S S = {,2,..., k} se k çn a rl k vektörü, eklnde elde edlm olur. k ( (, ( 2,..., ( T n {,2,..., } W = d A d A d A = n (6 4. Ad m: E tlk (6 le elde edlen a rl k vektörü normalze edlerek, ( (, ( 2,..., ( T n {,2,..., } W = d A d A d A = n (7 vektörü elde edlr. Elde edlen bu vektör art k bulan k br say de ldr (Toksar ve D. Toksar, 2: s.57. BAHP Yakla m nda kullan lan ölçek, uygulanan yönteme göre de klk göstermektedr. Yayg n olarak kullan lan ölçekler genelde ÜBS lardan olu an ölçeklerdr (Göksu ve Güngör, 28:. Bu çal mada Chang n Gen letlm Analz Yöntemnde kullan lan Bulan k Önem Dereceler ölçe kullan lm t r. Ölçek, TABLO de gösterlm tr (Kaptano lu ve Özok, 26: 2. 67

TABLO : Bulan k Önem Dereceler Sözel Önem Dereces Bulan k Ölçek Kar l k Ölçek E t öneml (,, Br daha fazla öneml (, 3, 5 Kuvvetl derecede öneml ( 3,5, 7 Çok kuvvetl derecede öneml ( 5,7,9 Tamam yla öneml ( 7,9,9,,,, 5 3,, 7 5 3,, 9 7 5,, 9 9 7 3. MOORA (Mult-Objectve Optmzaton on bass of Rato Analyss YÖNTEM MOORA Yöntemyle yap lm brçok çal ma mevcuttur. Bu çal malarda çe tl alanlarda MOORA yöntem uygulanm t r. Lteratürde MOORA Yöntemn çeren baz çal malar; geç ekonomsnde özelle trme MOORA yöntemnn uygulanmas (Brauers ve Zavadskas, 26, yol tasar m alternatflernn çok amaçl optmzasyonu (Brauers, Zavadskas, Peldschus, Tursks, 28, bölgesel gel m çal malar nda kuvvetllk Ltvanya örne (Brauers ve Gnevcus, 29, Belçka bölgelernn ekonomlernn MULTIMOORA le test (Brauers ve Gnevcus, 2, Ltvanya dak bölgesel gel m MOORA metoduyla çok amaçl dü ünme (Brauers, Gnevcus, Podvezko, 2 eklnde baz lar örnek gösterleblr. Ayr ca ülkemzde de MOORA yöntem kullan larak yap lan çal malar mevcuttur. Bunlardan baz lar ; turstk yerlern popülartesnn belrlenmes: stanbul örne (Önay ve Çetn, 22 makale olarak, çok krterl karar verme problemlernde MOORA yöntem (Ersöz ve Atav, 2 eklnde br bldr olarak Türkye de yap lm çal malara örnek verleblr. Lteratürde MOORA-Oran metodu, MOORA-Referans nokta yakla m, MOORA-Önem Katsay s, MOORA-Tam Çarp m Formu, MULTI-MOORA olacak eklde çe tl MOORA yöntemler oldu unu belrtmektedr (Ersöz ve Atav 2, s:79. Baz kaynaklarda, MOORA yöntem ço unlukla, oran metodu ve referans nokta yakla m olmak üzere k bölüm halnde uygulanmaktad r. Yap lan analzlern baz lar nda her k yöntem de kullan lmakta, baz kaynaklarda se yöntemlerden br kullan larak s ralama yap ld 68

görülmektedr. Yöntem alternatflern ve krterlern (amaçlar n olu turdu u vernn matrs eklnde yaz lmas yla ba lar ve a a dak gb devam eder. 3.. Oran Metodu =, 2,, m alternatfn say s, j =, 2,, n krter (amaç say s olmak üzere, her br alternatfn karelernn toplam n n karekökü le krterler bölünerek normalzasyon lem yap l r. Bu lem, x j x j = (8 m 2 x = j formülüyle gerçekle trlr. x j ;. alternatfn, j. amaçtak (krterdek de ernn normalle trlm haldr. x [,] dr. Baz durumlarda [,] ve Çetn, 22, s:94. j x olablmektedr (Önay Bu normalzasyon lemnden sonra haz rlanan tabloda amaçlar n maksmum veya mnmum amaçlar olmas na göre belrlenp, toplan rlar ve toplanan maksmum amaçlar de erlernden toplanan mnmum amaçlar de er ç kart l r. Yan j =, 2,, g maksmze edlecek amaçlar, j = g+, g+ 2,, n mnmze edlecek amaçlar olmak üzere (Brauers ve Gnevcus 29, s:23; j g n = j j j= j= g+ (9 y x x eklnde yaz lablr. y ; alternatfnn tüm amaçlara göre normalle trlm de erlendrlmesdr. s ralanmas yla lem tamamlanm olur(önay, Çetn 22, s:94. y lern 3.2. Referans Nokta Yakla m Referans noktas yakla m nda, oran metoduna ek olarak, her amaç çn; amaç maksmzasyon se maksmum noktalar, amaç mnmzasyon se mnmum noktalar olan, maksmal amaç referans noktalar ( r j ler belrlenr. Belrlenen bu noktalara her x j lerle olan uzakl klar bulunur (Önay ve Çetn, 22, s:95. Yan; r x (2 j j 69

lem yap l r ve matrs olarak yaz l r. Burada; =, 2,, m alternatflern say s n, j =, 2,, n amaçlar n (krterlern say s n, x j,. alternatfn j. Amaçtak normalle trlm de ern, r j, j. amac n (krternn referans noktas n, göstermektedr. Olu turulan yen matrs, Tchebycheff Mn-Maks Metrk lem; mn { maks ( r x } j j j (2 uygulan r (Brauers ve Gnevcus, 2, s:88. Böylece s ralama yap l r. Örne n mnmzasyon lemnde x j nn r j den büyük olmas yla, rj xj mutlak de er kullan lmas na gerek duyulur. 3.3. Önemll Verlm Amaç Durumunda Baz durumlarda br amaç (krter br d ernden daha çok veya daha az öneme sahp olablr. Böyle br durumla kar la ld nda, br amaca daha fazla önem vermek çn br alternatfn normalze edlm de er önem katsay s yla çarp l r (Önay ve Çetn, 22, s:95; Brauers, Gnevcus, Podvezko, 2, s:68. g n = j j j j j= j= g+ y s x s x (22 bu formülde, j =, 2,, g maksmze edlecek amaçlar, j = g+, g+ 2,, n mnmze edlecek amaçlard r. y ;. alternatfnn önem katsay s yla tüm amaçlara göre normalle trlm de erlendrlmesdr. s, j. amac n önem katsay s d r. j 7

4. UYGULAMA Bu çal mada, belrszlk ve karar etkleyen brden çok krtern bulundu u durumlarda etkn karar vermek çn kullan lan Bulan k Analtk Hyerar Proses yakla m le krter a rl klar belrlenerek, MOORA yöntem le alternatfler s ralanacakt r. Uygulamada; bulut depolama hzmet veren be frma, on krtere göre de erlendrlecektr. Alternatf ve krterler The State of Cloud Storage 23 Industry Report ba l kl raporda belrlenm olan frmalar ve krterlerdr. Karar problemne l kn hyerar k yap EK L 2 de gösterlm tr. Yap lacak tüm analzlerde krterler çn hyerar k yap da gösterld üzere k saltmalar kullan lacakt r. Krter a rl klar n n belrlenmesnde kullan lacak verler, uzman görü ü al narak elde edlm tr. Görü üne ba vurulan uzmanlar bl m sektöründe çal makta olup 3-5 y l aral nda deneyme sahp k lerdr. kl kar la t rmalar n yap lmas na yönelk sorulara verlen yan tlar BAHP yöntemnde kullan lmak üzere tek br grup karar na dönü türülmü tür. Dönü türme lem çn lteratürde önerlen geometrk ortalama yöntem kullan lm t r. Verlern analz, Mcrosoft Excel hesap tablosu (spreadsheet program üzernde yap lm t r. 7

EK L 2: Karar Problemne At Hyerar k Yap K. Tüm dosya büyüklüklerne göre ndekslenm bulut depolama yaz m h z K2. MB dan büyük dosya büyüklüklerne göre ndekslenm bulut depolama yaz m h z Amazon En y Bulut Teknoloj Frmas n n Belrlenmes K3. Tüm dosya büyüklüklerne göre ndekslenm bulut depolama okuma h z K4. MB dan büyük dosya büyüklüklerne göre ndekslenm bulut depolama okuma h z K5. ndekslenm bulut depolama slme h z K6. Ortalama er leblr cevap verme süres K7. Ortalama çal ma süres Google HP Mcrosoft K8. Nesne ölçeklendrme test s ras ndak varyans K9. Hatal yazma yüzdes K. Hatal okuma yüzdes RackSpace Geometrk ortalamalar al nan uzman görü ler tek br grup karar na dönü türülerek TABLO 2 de gösterlen kl kar la t rmalar matrsne yerle trlm tr. Ad m : Tablo 2 de gösterlen kl kar la t rma matrsnde yer alan de erlerden E tlk (9 kullan larak sentetk de erler elde edlr, Ad m 2: E tlk (4 kullan larak kar la t rma lem yap l r, Ad m 3: Kar la t rma lem sonucu elde edlen de erler, E tlk (5 ve E tlk (6 kullan larak a rl k vektörüne dönü türülür. Ad m 2 ve Ad m 3 le yap lan lemler sonucu elde edlen bulgular TABLO 3 te gösterlm tr. 72

TABLO 2: Krterlere At kl Kar la t rmalar Matrs K K2 K3 K4 K5 K6 K7 K8 K9 K K K2 K3 K4 K5 K6 K7 K8 K9 K l,,57,9,35,35,5,5,36,9,97 m,,8,53,69,45,7,6,47,83 3,3 u,,9,9,9,64,,76,64 2,5 4,5 l,92,,,75,33 2,24,7,37,64 2,92 m,25,,53,4,42 3,27,96,52 2,2 4,4 u,75, 2,26,53,6 4,39,32,8 2,76 5,2 l,52,44,,66,2,83,82,46,6 3,4 m,7,38,,9,28,2,6,55,78 5,67 u,84,,,27,49,83,38,64 2,76 7,5 l,92,66,79,,4,86,66,66,25 2,37 m,87,44,58,,57,27,88,87,99 3,82 u 2,88,32,53,,76,73,32,22 3, 5,66 l 2,63,64 2,5,3, 3,7 4,4 3,4 3,4 3,4 m 5,9 2,5 2,88,84, 4,99 5,28 5,67 4,5 4,5 u 5,6 3, 4,92 2,5, 5,98 6,24 7,5 4,77 4,77 l,38,23,55,58,7,,75, 2,37 2,58 m,8,3,48,44,2,,9,57 3,4 3,6 u 3,38,45,2,7,27,, 2,3 4,39 4,58 l 2,4,75,72,75,6,9,,92 3,,76 m 2,4,52,99,63,9,75,,44 4,52 2,72 u 3,38,4,22,53,25,32, 2,7 5,43 3,76 l 2,67,24,55,82,3,57,6,,9,5 m 5, 4,78,9,55,7,93 2,4,,44,57 u 4,99 2,72 2,7,5,29,3,63,,83 2,2 l,52,36,36,33,2,26,2,55,,69 m,7,42,42,4,2,5,2,44,,83 u,2,6,95,8,32,53,39,92,, l,28,9,3,8,2,25,32,45,9, m,8,23,3,2,2,5,2,4,87, u,65,34,29,42,32,47,75,87,44, 73

TABLO 3: Krter A rl klar n n Hesaplanmas =, 2,, S K S K2 S K3 S K4 S K5 S K6 S K7 S K8 S K9 S K MIN ( S K K ( S K2 K ( S K3 K ( S K4 K ( S K5 K ( S K6 K ( S K7 K ( S K8 K ( S K9 K ( S V S V S V S V S V S V S V S V S V S V S K > -,,,,,,,,85,63,63 >,5 -,99,,,7,85,88,3,, >,64, -,,,8,9,92,5,3,3 >,39,73,7 -,,52,62,64,24,8,8 >,,6,,35 -,,,,,, >,8,,,, -,,,65,43,43 >,67,,,,,86 -,,49,26,26 >,7,,,,,87,98 -,55,34,34 >,,,,,,,, -,78,78 >,,,,,,,,, -, K Ad m 4: E tlk (6 le elde edlen a rl k vektörü e tlk (7 kullan larak normalze edlr. Bu lem sonucu ula lan vektör art k bulan k say lardan olu mamaktad r. W = (.63,.,.3,.8,.,.43,.26,.34,.78,. T.63 / 3.93,. / 3.93,.3 / 3.93,.8 / 3.93,. / 3.93 W =.43 / 3.93,.26 / 3.93,.34 / 3.93,.78 / 3.93,. / 3.93 W = (.6,.25,.78,.9,.,.,.67,.87,.98,.255 BAHP yakla m le hesaplanan krter a rl klar Tablo 4 te özetlenm tr. Hesaplanan krter a rl klar le s ras yla MOORA Oran Metodu ve Referans Nokta Yakla m le s ralamalar yap lacakt r. T T 74

TABLO 4: BAHP Yakla m le Hesaplana Krter A rl klar Krterler A rl klar K Tüm dosya büyüklüklerne göre ndekslenm bulut depolama yaz m h z :,6 K2 MB dan büyük dosya büyüklüklerne göre ndekslenm bulut depolama yaz m h z :,25 K3 Tüm dosya büyüklüklerne göre ndekslenm bulut depolama okuma h z :,78 K4 MB dan büyük dosya büyüklüklerne göre ndekslenm bulut depolama okuma h z :,9 K5 ndekslenm bulut depolama slme h z :, K6 Ortalama er leblr cevap verme süres:, K7 Ortalama çal ma süres:,67 K8 Nesne ölçeklendrme test s ras ndak varyans:,87 K9 Hatal yazma yüzdes:,98 K Hatal okuma yüzdes:,255 MOORA Oran Yöntemne göre hesaplama yapmak çn lk ad m olarak normalzasyon lem gerçekle trlecektr. Normalzasyon lemn gerçekle trmek çn (8 numaral formül kullan l r. (8 numaral formülü yard m yla gerçekle tren normalzasyon lemnden sonra, bulunan de erler bulan k AHP yöntem le bulunan yukar da belrlenen a rl klarla, yan krterlern önem katsay lar le çarp l rlar. Bu durumda a rl kland r lm normalze edlm tablomuz olu ur. Bu tabloda maksmum ve mnmum edlmek stenen amaçlar belrlenr. Daha sonra (22 formülü kullan larak de erler hesaplan r ve TABLO 5 elde edlr. lern s ralanmas yla oran metoduna göre s ralama yap lm olur. Yap lan s ralama TABLO 6 da verld eklde gerçekle mektedr. TABLO 5: Oran Yöntem, a rl kland r lm normalze edlm verler MAKS MAKS MAKS MAKS MAKS M N MAKS M N M N M N K K2 K3 K4 K5 K6 K7 K8 K9 K Amazon,736,32,294,82,,26,3,5,,434,834 Google,253,84,243,68,,76,3,76,,724 -,63 HP,73,2,365,85,,67,3,579,977,2389 -,3976 Mcrosoft,5,6,57,2,,95,3,47,,,933 RackSpace,39,,269,85,,395,3,643,6,29 -,289 75

TABLO 6: Oran Yöntem, s ralama Frmalar S ralama y Mcrosoft,93285976 Amazon,83362355 2 RackSpace -,2894595 3 Google -,6292674 4 HP -,39764248 5 Referans noktas yakla m nda da oran yöntemne benzer eklde ba lang ç ad mlar vard r. Oran yöntemyle ayn yolla a rl kland r lm normalze verlern oldu u tablo elde edlr ve yne maksmum ve mnmum olmas stenen amaçlar belrlenr. Daha sonra oran yöntemnden farkl olarak referans noktalar ( ler belrlenr. mn { maks ( r x } j j j lem yap larak (TABLO 7 elde edlen de erlerden s ralama (TABLO 8 elde edlr. TABLO 7: Referans Nokta Yakla m, a rl kland r lm normalze edlm verler ve referans noktalar MAKS MAKS MAKS MAKS MAKS M N MAKS M N M N M N K K2 K3 K4 K5 K6 K7 K8 K9 K Amazon,736,32,294 Google,253,84,243 HP,73,2,365 Mcrosoft,5,6,57 RackSpac e Referans Noktalar:,39,,269,5,32,57,8 2,6 8,8 5, 2,8 5, 2,,,,,,,26,76,6 7,9 5,39 5,9 5,3,3,3,3,3,3, 5,7 6,57 9,4 7,64 3, 5,,,97 7,, 6,,43 4,72 4,238 9,,29,,434357,897458,23887364,32275,7593875 76

TABLO 8: Referans Nokta Yakla m, s ralama { ( } Frmalar mn maks j rj xj S ralama Mcrosoft,322745 Amazon,434357 2 RackSpace,75938754 3 Google,897458 4 HP,23887364 5 SONUÇ Günlük hayatta her alanda oldu u gb dünyas da teknolojk gel melerden pay n almaktad r. Gel trlen yen teknolojler hayat kolayla t rmak çn br araç olarak kullan lablmektedr. Bu kolayl klarla daha fazla zaman kazan lablmekte, daha çok daha k sa sürede yap lablmektedr. dünyas nda da teknolojk lerlemelerle gündeme gelen ve lerk zamanlarda mevcut durumdan çok daha fazla brçok alanda hayat n çnde olaca dü ünülen bulut teknolojler kullan lmaktad r. Bu çal mada se; bulut teknolojler sa layan br frman n raporundan yola ç karak, be frman n on krtere göre s ralamas yap lm t r. S ralamada raporda frmalar de erlendrlrken ele al nan krtereler kullan lm t r. Bu krterler uzmanlara sorularak kar la t r lm, uzman görü ü al nd ktan sonra Bulan k AHP yöntem le krter a rl klar hesaplanm t r. Bulunan a rl klar, MOORA yöntem le s ralama yap l rken kullan lm t r. MOORA yöntemnde hem Oran Yöntem hem de Referans Noktas Yakla m kullan larak s ralama yap lm t r. Referans al nan raporda frmalar n br s ralamas yap lmam t r. Fakat lgl raporda yap lan testlerde en y performans gösteren frmay belrtm tr. Öncek y lda en y performans gösteren frman n ad da verlm tr ve y ll k raporlar yay nland ndan ber her y l farkl frman n en y performans gösterd, bu sektörün h zl gel en br pazar oldu u belrtlm tr. Rapordak en y performans gösteren frma le bu çal mada MOORA yöntem le yap lan s ralamada brnc s rada ç kan frma ayn frmalard r. Bu çal mada dan t m z konularda yard mlar n bzden esrgemeyen Doç. Dr. Tunçhan Cura ya te ekkürlermz sunar z. 77

KAYNAKÇA AKMAN, Gül ah ve ALKAN, Atakan, 26, Tedark Zncr Yönetmnde Bulan k AHP Yöntem Kullan larak Tedarkçlern Performans n n Ölçülmes: Otomotv Yan Sanaynde Br Uygulama, stanbul Tcaret Ünverstes Fen Blmler Dergs, Y l 5, Say 9, s.23-46. AYDIN, Özlem, 29, Bulan k AHP le Ankara çn Hastane Yer Seçm, Dokuz Eylül Ünverstes ktsad ve dar Blmler Fakültes Dergs, Clt 24, Say 2, s. 87-4. BA LIG L, Hüseyn, 25, The Fuzzy Analytc Herarchy Process For Software Selecton Problems, Sgma Mühendslk ve Fen Blmler Dergs, 3, s.24-33. BAYKAL, N., BEYAN T., Bulan k Mant k lke ve Temeller, Ankara, B çaklar Ktabev, 24. BRAUERS W. K. M., GINEVICIUS R., 29, Robustness In Regonal Development Studes. The case of Lthuana, Journal of Busness Economcs and Management, (2: s:2-4. BRAUERS W. K. M., GINEVICIUS R., 2, The Economy Of The Belgan Regons Tested Wth Multmoora, Journal of Busness Economcs and Management, (2: s:73-29. BRAUERS W. K. M., GINEVICIUS R., PODVEZKO V., 2, Regonal Development In Lthuana Consderng Multple Objectves By The Moora Method, Technologcal And Economc Development Of Economy, 6(4: s:63-64. BRAUERS W. K. M., ZAVADSKAS E. K., 26, The MOORA Method And Its Applcaton To Prvatzaton In A Transton Economy, Control and Cybernetcs, vol. 35 No. 2 s:445-469 BRAUERS W. K. M., ZAVADSKAS E. K., PELDSCHUS F., TURSKIS Z., June 26-29, 28, Mult-Objectve Optmzaton Of Road Desgn Alternatves Wth An Applcaton Of The Moora Method, The Internatonal Symposum on Automaton and Robotcs n Constructon ISARC-28,Insttute of Internet and Intellgent Technologes Vlnus Gedmnas Techncal Unversty. CHANG, D.Y., 996, Applcatons Of The Extent Analyss Method On Fuzzy AHP, European Journal of Operatonal Research, Vol. 95, p. 649-655. 78

Cloudturk, http://www.cloudturk.net/cloud_nedr.html (Er m Tarh: 22..23 DA DEV REN, Metn, 27, Integrated Modellng The Performance Evaluaton Process Wth Fuzzy AHP, Y ld z Teknk Ünverstes Mühendslk ve Fen Blmler Dergs Sgma, Clt 25, Say 3, s.268-282. DENG, Hepu, 999, Multcrtera Analyss Wth Fuzzy Parwse Comparson, Internatonal Journal of Approxmate Reasonng, Vol. 2, p.25-23. ENEA, M. ve T. PIAZZA, 24, Project Selecton by Constraned Fuzzy AHP, Fuzzy Optmzaton and Decson Makng, Vol. 3, p. 39 62. ERSÖZ F., ATAV A., 5-7 Temmuz 2, Çok Krterl Karar Verme Problemlernde Moora Yöntem, YAEM2 Yöneylem Ara t rmas ve Endüstr Mühendsl 3.Ulusal Kongres, Sakarya Ünverstes, s:78-87. ERTU RUL, rfan ve KARAKA O LU, Nlsen, 2, ELECTRE ve Bulan k AHP Yöntemler le Br letme çn Blgsayar Seçm, Dokuz Eylül Ünverstes ktsad ve dar Blmler Fakültes Dergs, Clt 25, Say 2, s.23-4. G RG NER, Nuray, (28, "Tcar Kred Taleplernn De erlendrlmesne Çok Krterl Yakla m: Özel ve Devlet Bankas Kar la t rmas ", Muhasebe ve Fnansman Dergs, 37, s.32-42. G RG NER, Nuray ve KAYGISIZ Zelha, 29, statstksel Yaz l m Seçmnde Analtk Hyerar Sürec ve Hedef Programlama Yöntemlernn Brlkte Kullan m, Esk ehr Osmangaz Ünverstes Sosyal Blmler Dergs, Clt, Say, s.2-233. GÖKSU, A., GÜNGÖR,., 28, Bulan k Analtk Hyerar k Proses Ve Ünverste Terch S ralamas nda Uygulanmas, Süleyman Demrel Ünverstes ktsad ve dar Blmler Fakültes Dergs, Clt 3, Say 3, s.-26. GÜNER, Al Fuat ve AH N, Hüseyn, 27, AHP ve Fuzzy AHP le Türkye de Uygun Tersane Yer Seçm, Gem ve Denz Teknolojs, Say 72, Nsan, s.7-2. GÜRLER,., GÜLER M. E. ve TOPOYAN, M., 2, Verml ve Ekonomk Klma Sstemlernn Seçmnde Bulan k AHP Metodu, Fnans Poltk & Ekonomk Yorumlar, Clt 48, Say 55, s.5-58. Ç, Yusuf Tansel ve YURDAKUL Mustafa, 28, Çok Krterl Karar Verme Yöntemlern Kullanan Makne-Ekpman Seçm Çal malar nda Bulan kl n Sonuçlara 79

Etksnn ncelenmes, Dokuz Eylül Ünverstes letme Fakültes Dergs, Clt 9, Say, s. 25-4. KAPTANO LU, Dlek ve ÖZOK, Ahmet Fahr, 26, Akademk Performans De erlendrmes çn Br Bulan k Model, tüdergs /d Mühendslk, Clt 5, Say, K s m 2, s.93-24. KLIR, G.J. ve YUAN B., Fuzzy Sets and Fuzzy Logc, Theory and Applcatons, New Jersey, USA, Prentce Hall PTR, 995. Nasun, The State of Cloud Storage 23 Industry Report, A Benchmark Comparson of Performance, Avalablty and Scalablty ÖNAY O., ÇET N E., Hazran 22, Turstlk Yerlern Popülartesnn Belrlenmes: stanbul Örne,.Ü. letme Fakültes letme ktsad Ensttüsü Yönetm Dergs, Y l:23, Say : 72, s:9-9. ÖZGÖRMÜ, Elf, MUTLU, Özcan ve GÜNER Hacer, 25, Bulan k AHP le Personel Seçm, V. Ulusal Üretm Ara t rmalar Sempozyumu, stanbul Tcaret Ünverstes, s.-5. ÖZKAN, Mustafa M., Bulan k Hedef Programlama, Bursa, Ekn Ktabev, 23. RAHARJO, H., XIE, M. ve BROMBACHER, A., 29, "On Modellng Dynamc Prortes In The Analytc Herarchy Process Usng Composton Data Analyss", European Journal of Operatonal Research, 94, p.834-839. SAATY, T.L., Fundamentals of Decson Makng and Prorty Theory wth Analytc Herarchy Process, Pttsburgh, USA:RWS Publcatons, 994. SEÇME YALÇIN, Ne e ve ÖZDEM R, Al hsan, 28, Bulan k Analtk Hyerar Yöntem le Çok Krterl Stratejk Tedarkç Seçm: Türkye Örne, Atatürk Ünverstes ktsad ve dar Blmler Dergs, Clt 22, Say 2, s.75-9. SEKRETER, M. Serhan, AKYÜZ, Gökhan ve PEKÇ, Çetn Emre, 24, rketlern Derecelendrlmesne l kn Br Model Öners: G da Sektörüne Yönelk Br Uygulama, Akdenz..B.F Dergs, 8, 39-55. S PAH, Seyhan ve OR, Erden, 25, "Analtk Hyerar Proses Tekn le Forvet Oyuncular n n Yetenek ve Becerlerne Göre De erlendrlmes", Yönetm, 5, s.53-65. 8

EN, Zeka, Bulan k Mant k lkeler ve Modelleme, stanbul, Su Vakf Yay nlar, 29. TATLID L, Hüseyn ve ÖZGÜRLÜK, Bar, 29, " gücü Pyasas nda llern szlk Rsklernn Analtk Hyerar Sürec le Belrlenmes", T SK Akadem, 2, s.6-2. T MOR, Mehpare, Analtk Hyerar Proses, stanbul, Türkmen Ktabev, 2. T MOR, Mehpare, 22, Kolayda Ürünler çn Perakende Sat Yer Seçm: Br Analtk Hyerar Proses Uygulamas, Yönetm, 3(4, s.23-36. TOKSARI, M. ve TOKSARI, M. Duran, 2, Bulan k Analtk Hyerar Proses (BAHP Yakla m Kullan larak Hedef Pazar n Belrlenmes, ODTÜ Gel me Dergs, Clt 38, Nsan, s.5-7. VAN LAARHOVEN, P. J. M. ve W. PEDRYCZ, 983, A Fuzzy Extenson of Saaty's Prorty Theory, Fuzzy Sets and Systems, Volume, Issue -3, p. 229-24. YILMAZ, Murat, 2, "Analtk Hyerar Sürec (AHS ve Br Uygulama: Lder Br Kütüphane Müdürü Seçm", Türk Kütüphanecl, 24(2, s.26.234. YÜKSEL, hsan, (26, "Karyer De erlernn Analtk Hyerar Proses Yöntemyle Öncelklendrlmes", Öner, C.7, S.25, s.59-67. 8