Çok Kriterli Karar Verme Yöntemlerini Kullanan Makine-Ekipman Seçim Çalışmalarında Bulanıklığın Sonuçlara Etkisinin İncelenmesi

Abstract

Bulanıklıgın ve belirsizligin bulundugu seçim problemlerinde Çok Kriterli Karar Verme (ÇKKV) modellerinde tamsayıların yerine bulanık sayıların kullanılması tavsiye edilmektedir. Literatürde pek çok farklı ÇKKV modeli gelistirilmis olmasına ragmen, simdiye kadar tamsayıların yerine bulanıklıgın kullanılmasının sagladıgı faydayı analiz eden bir yaklasım gelistirilmemistir. Bu çalısmada bulanık sayıların kullanılmasının getirecegi faydalar literatürde makine-ekipman seçimi çalısmalarında en sık rastlanan Bulanık ÇKKV yöntemleri olan Bulanık Analitik Hiyerarsi Süreci (BAHS) ve Bulanık TOPSIS (BTOPSIS) yöntemleri kullanılarak incelenmistir. Çalısmada, onaltı adet isleme merkezi ve yedi adet seçim kriteri içeren bir seçim problemi olusturulmustur. Bulanık sayılar için tamsayı, üçgen bulanık sayı ve trapez bulanık sayı tipleri kullanılarak seçim probleminde farklı isleme merkezi sıralamaları elde edilmistir. Sıralamalar arasındaki farklılıklar Spearman'ın Sıra 0liskisi Testi ile analiz edilmistir. Bulanık sayıların kullanımında olusan faydanın seviyesini belirlemek için çesitli senaryolar üretilmistir. Fuzzy numbers instead of crisp ones are recommended to use in Multi Criteria Decision Making Models (MCDM) when fuzziness and incomplete information exist in selection problems. Although many different fuzzy MCDM models are developed in the literature, the benefits provided by using them are not analyzed up to now. In this paper, two most common MCDM approaches, namely Fuzzy Analytic Hierarchy Process (FAHP) and Fuzzy TOPSIS (FTOPSIS), are used to determine the benefits provided by using fuzzy numbers in machine tool selection problems. In the paper, a sixteen alternative machining center and seven selection criteria problem is constructed. Using two different fuzzy number types (trapezoidal and triangular) and crisp (non-fuzzy) numbers separate rankings are obtained for the selection problem. The differences in the results are analyzed using Spearman's Rank Correlation Test. Various scenarios are developed to show the level of benefits in using fuzzy numbers.