Analitik Ağ Süreci (AAS)

Şekil 3.1. AHP adımları

3.1.2. Analitik Ağ Süreci (AAS)

ÇKKV tekniklerinin ulaştırma sistemi problemlerine ilişkin kararlara yardımcı olmak için yeterli olduğunu önermek için sistematik bir inceleme sunar. Sürdürülebilir toplu taşıma altyapısı projesi ile ilgili kararlar, kriterler arasında karşılıklı bağımlılık içeren çok kriterler içermektedir (Mardani vd., 2015a; Mardani vd., 2015b). AAS yöntemi uygulanabilir; AAS tekniği AHP'nin daha gelişmiş versiyonudur. AHP yaklaşımı, çok amaçlı kararların çözümü için hiyerarşik bir yapı ile sunulmaktadır. Bununla birlikte, karar unsurları hiyerarşik yapı modelinde genellikle birbirine bağımlı ve karmaşıktır.

Karar probleminin tanımlanması her kritere göre tercih derecelerinin

belirlenmesi

32

Saaty (2001) AAS'yi karar sıralaması öncelikleri için önerir, çünkü hiyerarşik yapının karar düzeyleri arasındaki kısıtlamaları serbest bırakır.

AAS yöntemi, yeşil tedarikçi geliştirme değerlendirmesi (Dou vd., 2014), tedarikçi seçimi (Abdel-Baset vd., 2019), sağlık alanında (Nilashi vd., 2016), CO2 azaltma stratejileri yönetimi (Theißen ve Spinler, 2014; Zhang, 2017), yeşil tedarikçi seçimi (Hashemi vd, 2015) dahil olmak üzere birçok akademik alanda yaygın olarak uygulanmıştır.

Karar verme problemlerinden birçoğu faktörler arasındaki bağımlılıklardan ve kendi içindeki etkileşimlerden dolayı hiyerarşik olarak yapılandırılamamaktadır. Bu tür karar verme problemlerini analiz etmek, kümeler arasındaki etkileşimleri göz önünde bulundurmayı gerektirmektedir. Saaty alternatif ve kriter arasındaki bu tarz bağımlılıkların olduğu problemlerde kullanmak üzere AAS yöntemini önermiştir. Şekil 3.2’de AAS yöntemi adımları gösterilmektedir.

Bu ilişkiler ikili karşılaştırmalar kullanılarak ölçülür. Önem düzeyine, eşit önemden aşırı derecede öneme kadar bir aralığı temsil etmek için 1-9 arası bir ölçek kullanılarak karar verilebilir.

33

Şekil 3.2. AAS karar adımları

3.1.3. TOPSIS

TOPSIS yöntemi dört nedenden dolayı yaygın olarak kullanılmaktadır. İlk olarak, bu yöntem, mantığı rasyonel ve anlaşılabilirdir (1); hesaplama süreçleri basittir (2); karar süreci, basit bir matematiksel formda tasvir edilen her bir kriter için en iyi alternatiflerin izlenmesine izin verir (3); önem ağırlıkları karşılaştırma prosedürlerine dahil edilebilmektedir (4). Karar sürecinde net değerler üzerinde değerlendirme yapılabileceği

Problemin tanımlanması ve ağ yapısının oluşturulması

1. Adım

İkili karşılaştırmalar ile özvektörün hesaplanması

2. Adım

Tutarlılık oranının hesaplanması

3. Adım

Süper matrisin oluşturulması

4. Adım

Süper matrisin ağırlıklandırılması

5. Adım

Limit Süper matris oluşturulması

6. Adım

Kriterlerin önem düzeylerinin belirlenmesi ve en iyi alternatifin

seçimi

7. Adım

34

gibi bulanık sayılar kullanılarak da değerlendirmelerde bulunulabilir. Bulanık kümler ile bulanık TOPSIS, insan düşüncesinin doğal olarak öznel doğasının belirsizliği nedeniyle eksik ve belirsiz bilgilerle başa çıkmak için avantajlı bir süreç sağlar. Bu nedenle, bu bulanık yöntem bulanık ortamda kompleks karar problemlerinin çözümü için iyi sonuç verir.

Hwang ve Yoon (Hwang ve Yoon, 1981) tarafından önerilen pozitif ideal çözüm ve negatif ideal çözüm kavramına dayanan TOPSIS yöntemi, rasyonel ve anlaşılabilir bir mantığa sahiptir. Hesaplama süreçlerinin basit olduğu düşünüldüğünde, sıralama için birçok alanda kullanılmıştır. Ayrıca, bu yöntemin yaygın olarak kullanılmasının diğer nedenleri, basit bir matematiksel formülasyonda tasvir edilen her bir kriter için en iyi alternatiflerin takip edilmesini sağlayan rasyonel, anlaşılabilir ve hesaplama işleminin kolaylığıdır. Ayrıca, ağırlıkların önemi karşılaştırma prosedürlerine dahil edilebilir.

AHP metodolojisinin çok sayıda kriter ve alternatifi dikkate almadaki zorluğu nedeniyle, karar vericinin yaptığı ikili karşılaştırmaların sayısı makul bir eşiğin altında kalmalıdır (Dağdeviren vd., 2009). TOPSIS yöntemiyle birleştirerek kullanılan AHP metodolojisi, çok sayıda ikili karşılaştırma yapmaya gerek kalmadan sadece kriterlerin ağırlıklarını elde etmemize izin vererek daha kısa çözüm süresi sunmaktadır (Sánchez-Lozano ve Rodríguez, 2020). TOPSIS yöntemi adımları Şekil 3.3’te gösterilmektedir.

35

Şekil 3.3. TOPSIS sıralama adımları

3.1.4. MOORA

MOORA yöntemi ilk defa Brauers tarafından 2004 yılında kompleks karar problemlerinin çözümü için tanıtılmıştır. Kısa bir çözüm süresi sunan bu yöntem, basit matematiksel işlemlere dayanmaktadır. MOORA yönteminin çeşitli versiyonları olmasına rağmen en fazla kullanılan 2 yöntem MOORA oran yöntemi ve MOORA referans noktası yöntemidir (Brauers ve Zavadskas, 2006)

İdeal Çözüm ve Negatif İdeal Çözümün Elde Edilmesi

36

MOORA yöntemi, karar vericilere, belirli kısıtlamalara tabi iki veya daha fazla çelişen kriteri veya hedefi eşzamanlı olarak optimize etme imkânı sunmaktadır. MOORA, ÇKKV yöntemleri arasında nispeten yeni bir yöntem olmasına rağmen literatürde farklı alanlara uygulanmıştır. Bu uygulamalardan bazıları; malzeme seçimi (Karande ve Chakraborty, 2012), strateji seçimi (Dey vd., 2012), bankaların etkinlik analizi (Özbek, 2015) ve imalat sistemi seçimidir (Mandal ve Sarkar, 2012). MOORA ile karar verme süreci Şekil 3.4’te gösterilmektedir. Karar sürecinin detayları için verilen referanslara bakılabilir.

Şekil 3.4. MOORA ile karar verme süreci

3.1.5. VIKOR

VIKOR (Vise Kriterijumska Optimizacija I Kompromisno Resenje) yöntemi, Opricovic tarafından 1998 yılında çelişkili kriterler ile bir problemin uzlaşık çözümünün belirlenmesi ve seçilen alternatifler kümesinin sıralanmasına odaklanarak karar vericiye

Başlangıç Matrisinin Oluşturulması

37

nihai bir karara ulaşmasında yardımcı olmak amacıyla ortaya atılmıştır (Opricovic ve Tzeng, 2004). Yöntemin temeli, alternatifler için değerlendirme kriterlerini de dikkate alarak bir “ideal çözüme yakınlık” ya da uzlaşık çözümün bulunmasıdır. Uzlaşık çözüm, ortak kabul üzerinde anlaşmaya varılmış ideale en yakın çözümdür (Zhang ve Wei, 2013).

Şekil 3.5. VIKOR uygulama adımları

VIKOR yöntemi, ideal çözüme yakınlığa göre sıralama yapan ve uzlaşık çözüm sağlayan bir yöntemdir. Yöntem, maksimum grup faydasını ve buna bağlı olarak karşıt görüşlerin

Karar Matrisinin Oluşturulması

1. Adım

Kriterlerin En İyi (ƒi+) ve En Kötü (ƒi-) Değerlerinin Belirlenmesi:

2. Adım

Normalize Edilmiş Karar Matrisinin Oluşturulması

3. Adım

Normalize Karar Matrisinin Ağırlıklandırılması

4. Adım

Si ve Ri Değerlerinin hesaplanması:

5. Adım ;

Qi Değerlerinin Hesaplanması:

6. Adım

Alternatiflerin Sıralanması ve Doğruluğun Sınanması

7. Adım

38

minimum pişmanlığını sonuca etki ettirebilmesi yönüyle karar vericilere yardımcı olmaktadır Hesaplamaları oldukça basit ve açıktır (Ju ve Wang, 2013). Şekil 3.5’te VIKOR uygulama adımları gösterilmektedir (VIKOR yöntemi detaylı süreci için Awasthi vd., 2018; Gupta, 2018; Wang vd., 2019; Kumar vd., 2020) tarafından yapılan çalışmalar incelenebilir).