Bulanık VIKOR Yöntemi

Adım 7. CCi değerleri karşılaştırılır ve alternatiflerin sıraları belirlenir. Ardından yakınlık katsayısı büyük olan alternatif seçilir. CCi değeri ise 0≤ CCi ≤ 1 aralığında yer alır ve CCi değerinin 1’e yakın olması ideal çözüme olan yakınlığı ve 0’a yakın olması ideal çözüme olan uzaklığı gösterir.

2.5.4. Bulanık VIKOR Yöntemi

VIKOR yöntemi, çok kriterli karar verme problemlerinde en iyi ve uzlaştırıcı çözümü bulmada rasyonel ve sistematik süreçler sunan bir araçtır (Chen ve Wang, 2009:

235). Ancak karar alma sürecinde, insan yargı ve tercihleri belirsiz ve ölçülmesi zor olduğundan, tam ve kesin verilerin karar verme sürecinde kullanılması gerçek yaşamı temsil etmede yetersiz olabilmektedir (Chen ve Wang 2009: 235; Şen 2001: 9). Ayrıca buna ek olarak, birbiriyle çakışan kriterler ve durumlar olduğunda karar vericiler kesin olmayan veya belirsiz verileri de dikkate almalıdırlar Kesin olmayan veya belirsiz verileri çözüm sürecine dahil etmenin yöntemlerinden biri de dilsel değişkenleri kullanmaktır (Moeinzadeh ve Hajfathaliha, 2009: 526).

Literatürde bulanık VIKOR yöntemini kullanan çok sayıda çalışma mevcuttur. Wang ve Chen 2005 çalışmasında en iyi çözümü bulmada etkili bir yöntem olan bulanık VIKOR yöntemi tanıtılmıştır. Opricovic ve Tzeng (2007) çalışmasında kararlılık analizi ile VIKOR yöntemi genişletilmiş ve bu yöntem diğer sıralama yöntemleri olan TOPSIS, promethee ve electre yöntemleriyle kıyaslanmıştır. Chen ve Wang (2009)’da bilgi sistemleri / bilgi teknolojileri projelerinde tedarikçi seçim sürecinin değerlendirilmesinde bulanık VIKOR yöntemi kullanılmıştır. Sayadi ve Shahanaghi (2009)’da aralıklı sayılar ile karar verme problemlerinin çözümü için genişletilmiş VIKOR yöntemi kullanılmışlardır. Kaya ve Kahraman (2010) çalışmasında, yenilenebilir enerji alternatiflerinin belirlenmesinde bulanık mantık altında VIKOR ve AHP yöntemlerini entegre edilerek kullanılmıştır.

Sanayei, Mousavi ve Yazdankhah (2010)’da ise uygun tedarikçi seçiminde bulanık küme teorisi altında VIKOR yöntemi kullanılmıştır.

Shemshadi, Shirazi, Toreihi ve Tarokh (2011) çalışmasında çok kriterli karar verme problemlerinden olan tedarikçi seçimi probleminde dilsel değişkenler kullanılmıştır. Bu değişkenler yamuk bulanık sayılara dönüştürülüp; Shannon entropi kavramına dayalı bir mekanizmayla VIKOR yöntemi geliştirilerek çözüm aşamasında yeni bir metot önerilmiştir. Opricovic (2011)’de, su kaynakları planlaması uygulamasına; Kuo ve Liang (2011)’de servis kalitesi değerlendirmesine bulanık VIKOR yöntemi uygulanmıştır.

Yücenur ve Demirel (2012) çalışmasında, yabancı bir yatırımcının beş Türk sigorta şirketi arasından en iyisini satın alması için bulanık VIKOR yöntemiyle çözüme gidilmeye çalışılmıştır. Akyüz (2012)’de mobilya parçaları üreten bir firmanın ambalaj tedarikçisi seçimi konusunda; Girubha ve Vinodh (2012)’de ise otomobil parçaları üretiminde, malzeme seçimi konusunda bulanık VIKOR yöntemi kullanılmıştır.

Bulanık küme teorisini ve dilsel değerlendirmeleri kullanarak kesin olmayan kavramları sürece dâhil eden ve gerçek yaşamdaki belirsizlikleri temsil etmede önemli bir araç olan bulanık VIKOR yönteminin adımları ise aşağıdaki gibidir (Chen ve Wang, 2009:

235):

Adım 1. Uygun alternatifler (j) üretilir ve değerlendirme kriterleri (i) karar vericiler tarafından belirlenir.

Adım 2. Dilsel değişkenler ve onlara karşılık gelen üçgen bulanık sayılar tanımlanır. Dilsel değişkenler, kriterlerin önem ağırlıklarını belirlemek ve alternatifleri çeşitli kriterler altında derecelendirmek için kullanılır.

Çizelge 2.4’de, kriterlerin önem ağırlığını belirlemek ve alternatifleri derecelendirmede kullanılan dilsel değişkenleri ve üçgensel bulanık sayıları gösterilmektedir.

Çizelge 2.4. Dilsel Değişkenler ve Bulanık Sayılar

Dilsel Değişkenler Üçgen Bulanık Sayı Karşılık

Çok düşük (VL) (0.00, 0.00, 0.25)

Düşük (L) (0.00, 0.25, 0.50)

Orta (M) (0.25, 0.50, 0.75)

Yüksek (H) (0.50, 0.75, 1.00)

Çok yüksek (VH) (0.75, 1.00, 1.00)

Kaynak: Chen ve Wang 2009: 235-236

Adım 3. Karar vericinin tercihleri ve fikirleri entegre edilir. n karar vericinin sayısını göstermek üzere, her bir kriterin bulanık ağırlıkları hesaplanır.

1

i. kritere göre j. alternatifin önem ağırlığı aşağıdaki gibi hesaplanır.

n

Adım 4. x_ij, Ci kriterine göre Aj alternatifinin derecesi ve w_i , i.kriterin önem ağırlığı iken, normalize edilmiş bulanık karar matrisi (𝐷̃) ve bulanık ağırlıklar matrisi (𝑊̃ ) oluşturulur.

11 12 1 toplamı iken, R_j i. kritere göre A alternatifinin bulanık en kötü değere olan maksimum _i uzaklığıdır.

Burada S^, maksimum grup faydasını gösteren S_j değerinin minimum değerini gösterirken, R^ minimum karşıt görüşleri gösteren Rj değerinin minimum değerini göstermektedir. Bundan dolayı Q_j indeksi grup faydasının ve minimum pişmanlığın birlikte değerlendirilmesiyle hesaplanır. v değeri maksimum grup faydasını sağlayan stratejinin ağırlığını ifade eder. Uzlaşma “maksimum grup faydası” ile (v > 0.5) ile, kararın

“konsensüs” ile alınmasıyla (v = 0.5) veya kararın “veto” edilmesiyle (v < 0.5) sağlanabilir.

Adım 8. Üçgensel bulanık sayı Q_jdurulaştırılır ve Q_j indeksi elde edilir. Literatürde farklı durulaştırma prosedürleri bulunmaktadır. Bu çalışmada durulaştırma aşamasında Hsieh vd.

(2004) tarafından önerilen BNP (Best Nonfuzzy Performance Value) yöntemi kullanılmıştır. Buna göre u_j üçgen bulanık sayının üst değerini, m_jorta değerini, l_jise alt değerini göstermek üzere 𝐴 = (𝑙_𝑗, 𝑚_𝑗, 𝑢_𝑖 ) üçgen bulanık sayısı

𝐴_𝑑 = ^{(𝑢𝑗−𝑙𝑗)+(𝑚𝑗−𝑙𝑗)}

3 + 𝑙_𝑗 ‘dir. (j için) şeklinde durulaştırılır.

Qj indeksi alternatiflerin sıralanmasında kullanılır. Bu indeksin en küçük değeri en iyi alternatifi göstermektedir.

Adım 9. Aşağıdaki iki koşul sağlanırsa Q_j indeksi kullanılarak belirlenen, a uzlaşık çözümü elde edilir.

C1. “Kabul edilebilir avantaj”:

Q(a) - Q(a) ≥ DQ

a, Q sıralama listesindeki ikinci sıradaki alternatiftir.

DQ = ¹

𝑚−1, (m alternatiflerin sayısıdır ve eğer m ≤ 4 ise DQ = 0.25)

C2. “Karar vermede kabul edilebilir istikrar”:

aalternatifi, S ve/veya R sıralama listesine göre sıralanan en iyi alternatif olmak zorundadır.

Eğer bu şartlardan bir tanesi sağlanamazsa uzlaşık çözümler kümesi önerilir. Bu kümenin içeriği:

 Eğer sadece C2 şartı sağlanamazsa a ve aalternatifleri

 Eğer sadece C1 şartı sağlanmazsa a_,a_{, ...,} a^(M)alternatifleri; a^(M)maksimum M için Q(a^(M)) - Q(a^(M)) < DQ ilişkisi ile belirlenir.

Eğer 1. koşul sağlanamıyorsa ve (a^(M)) - Q(a^(M)) < DQ ise a^(m)ve a benzer uzlaşık çözümlerdir. Uzlaşık çözümler a_,a_{, ...,} a^(m)benzer olduğundan, a' karşılaştırmalı bir üstünlüğe sahip değildir.

Eğer 2. koşul sağlanamıyorsa akarşılaştırmalı bir üstünlüğe sahip olmasına rağmen karar vermede istikrar yoktur. Bu nedenle a ve anin uzlaşık çözümü aynıdır.

Adım 10. Q değeri minimum alternatif en iyi alternatif olarak seçilir.

3. BÖLÜM

UYGULAMA 3.1. Giriş

Bağımlılık yapıcı madde kullanımı özellikle gelişmekte olan ülkelerde ciddi bir halk sağlığı sorunu olarak karşımıza çıkmaktadır. Ülkemizde de gençler arasında madde kullanımının son yıllarda artış gösterdiği gözlenmektedir. Karşı karşıya kalınan bu olumsuz tabloya rağmen madde kullanım yaygınlığına, sebep olan faktörlere, risk alanlarının tespitine ve bu konudaki erken uyarı sistemine yönelik yapılan çalışmalar yetersiz kalmaktadır (Ögel vd. 2001: 47 - 52; Yalçın vd. 2009: 126). Bu noktada gençleri madde kullanımına yönelten tüm psikolojik ve sosyolojik etmenlerin araştırıldığı çalışmaların desteklenmesi gerekmektedir.

TÜİK’in gençlerde madde kullanımı konusunda 2012 yılında yaptığı bir araştırmaya göre; yaşamı boyunca en az bir kere tütün mamülü kullanan gençlerin % 60’ının bu alışkanlığı ilk defa 15 - 19 yaşları arasında yaptığı (TÜİK, 2014: 63); 15 - 24 yaş arası gençlerin % 14,3’ünün her gün sigara kullandığı (TÜİK, 2014: 166) ve yine 15 - 24 yaş arası gençlerin % 7,4’ünün alkollü içecek kullandığı karşımıza çıkan sonuçlardır (TÜİK, 2014: 69). Ayrıca TÜİK’in 2013 yılında yaptığı bir diğer araştırmaya göre güvenlik birimlerine gelen veya getirilen çocukların % 24,4’ünün bağımlılık yapan madde kullandığı tespit edilmiştir. Bu istatistik “bağımlılık yapan madde kullanan çocukların suça elverişli olacağı” şeklinde aşikâr olan bir yargıyı gerçek verilerle ortaya koymamıza yardımcı olmaktadır (TÜİK, 2014).

Çalışmanın uygulama kısmında ise, yukarıda genel hatları ile belirtilen madde bağımlılığı sorunu alanına, klasik ve bulanık ÇKKV yöntemleri entegre edilerek değerlendirilmiştir.