ELECTRE YÖNTEMø øLE ANKARA BÖLGESøNDE øNOVATøF VE
GøRøùøMCø øùLETMELER øÇøN TEKNOKENT SEÇøMø*
Murat Kemal KELEù1
Mustafa Zihni TUNCA2 Gönderim tarihi: 17 Temmuz 2018 Kabul tarihi:31 Mays 2019
Özet
ønovatif ve giriúimci firmalarn Ar-Ge faaliyetleri gerçekleútirmelerine olanak tanyan teknokentlerin says ülkemizde gün geçtikçe artmaktadr. Bu çalúmada amaç; inovatif ve giriúimci iúletmelerin Ar-Ge projeleri için teknokent seçim problemine Çok Kriterli Karar Verme yöntemlerini kullanarak çözüm aramaktr. Çalúmann ilk bölümünde teknokent kavram incelendikten sonra takip eden bölümde Analitik Hiyerarúi Prosesi (AHP) ve Electre III yöntemleri açklanmútr. Uygulama ksmnda ise öncelikle çalúma dâhilinde incelenen 254 iúletmenin teknokent baznda kuruluú yeri seçiminde temel aldklar kriterler belirlenmiútir. Sonrasnda, AHP ve Electre III Yönteminin bir arada kullanm için geliútirilen “Hiyerarúik Electre Yöntemi” açklanmútr. ølk aúamada AHP ile beú teknokentte faaliyet gösteren iúletmelerin belirledi÷i kriterlerin a÷rlklar tespit edilmiútir. Daha sonra ikinci aúamada, Electre III Yöntemi uygulanarak Ankara’da faaliyet gösteren teknokentler de÷erlendirilmiútir. Son bölümde analiz sonuçlar tartúlarak öneriler sunulmuútur.
Anahtar Kelimeler: Hiyerarúik Electre, Kuruluú yeri seçimi, Teknokent, Analitik Hiyerarúi Yöntemi, Electre III.
JEL Kodlar: M10, O32, R30, D81
HIERARCHICAL ELECTRE METHOD BASED TECHNOPARK ELECTION DECISION FOR INNOVATIVE AND ENTREPRENEURIAL
FIRMS IN ANKARA REGION
Abstract
The number of technoparks, where innovative and entrepreneurial firms engaged in R&D activities is increasing every day. Aim of this study is to help innovative and entrepreneurial firms to elect technopark for R&D projects by using Multi Criteria Decision Making methods. In this study, after discussing the concept of technopark in the first section, Analytic Hierarchy Process (AHP) and Electre III methods have been explained in the succeeding section. Then, the criteria that 254 participants of the study pay attention for location decision during technopark election have been determined. Next, Hierarchical Electre method, which was developed to utilize AHP and Electre III methods together, has been explained. After that, the relative weights for the criteria that was provided by the companies in five technoparks have been determined by AHP method. Next, technoparks in Ankara region have been ranked by Electre III. Finally, the findings have been discussed and suggestions provided.
Key words: Hierarchical Electre, Location decision, Technopark, Analytical Hierarchy Process,
Electre III.
JEL Classification: M10, O32, R30, D8
* Bu makale, yürütücüsü Prof. Dr. Mustafa Zihni Tunca olan SDÜ BAP 3217-D1-12 numaral proje tarafndan desteklenen Murat Kemal Keleú’in, Süleyman Demirel Üniversitesi, Sosyal Bilimler Enstitüsü, “øúletmelerin Teknokent Seçiminde Hiyerarúik Electre Yönteminin Kullanm ve Ankara Bölgesinde Bir Uygulama”, konulu Doktora Tezi ile ba÷lantldr.
1 Ö÷r.Gör.Dr. Isparta Uygulamal Bilimler Üniversitesi, Tasarm Bölümü, muratkemalk@gmail.com, ORCID ID: 0000-0003-0374-6839
2 Prof.Dr. Süleyman Demirel Üniversitesi,
øktisadi Ve ødari Bilimler Fakültesi, øúletme Bölümü, Üretim Yönetimi Ve Pazarlama Anabilim Dal, mustafatunca@sdu.edu.tr ORCID ID: 0000-0003-2315-905X
1. GøRøù
Ar-Ge’ye fazla kaynak ayrp katma de÷eri yüksek ürünler üreten, patent ve faydal model saysn artran, teknolojiyi ithal etmeyip teknoloji ihraç eder hale gelebilen, müúteri istek ve ihtiyaçlarn önceden keúfedip müúteri ihtiyaç bazl kaliteli ürünler üreten iúletmeler ve ülkeler rekabetin yo÷un oldu÷u günümüz piyasalarnda rakiplerine üstünlük sa÷lamalar kaçnlmaz olacaktr.
Yenilikçi ve ileri teknolojiye dayal ürün üretmek ve geliútirmek amacyla, Ar-Ge projesi olan giriúimciler ve iúletmeler, says son günlerde artan teknoloji geliútirme bölgelerinde ofis kiralamak suretiyle girmekte, üniversite ve/veya Ar-Ge merkezinin imkânlarndan ya-rarlanp ortak projeler yapmakta, bu projeler sonucunda ortaya çkan ürünlerin fikri mülki-yetini almakta ve ürünlerini ticarileútirmektedirler.
Araútrma-Geliútirme faaliyetleri ve projeleri özellikle bir giriúimcinin yeni kurdu÷u bir iúletme için maliyet, zaman teçhizat, teknoloji ve altyap gibi unsurlar açsndan oldukça zahmetli bir süreçtir. Dolaysyla, kt kaynaklarn en uygun úekilde de÷erlendirilmesinin önemli oldu÷u iú hayatnda iúletmenin kuruluú yeri olarak seçece÷i teknokentin gerek fir-malara sundu÷u imkânlar, gerekse de teknokentin içinde oldu÷u üniversite ve/veya Ar-Ge merkezi, iúletmenin yapaca÷ Ar-Ge projesinin baúarl olmasnda önem arz etmektedir (Keleú, 2014).
Bu çalúmada amaç ise; yeni giriúimciler ve Ar-Ge projesi yapan iúletmelerin, katma de÷eri yüksek teknoloji üretimi, Ar-Ge projelerini baúaryla gerçekleútirme, inovatif ürün üretme ve rakiplerine üstünlük sa÷lama gibi hedeflerinde önemli rol oynayan kuruluú yeri için teknokent seçimi problemine Hiyerarúik Electre Yöntemi yardmyla çözüm aramaktr. Çalúmada öncelikle teknokent konusu tartúlmú, teknokentin tanm verilmiú, teknokentlerin Türkiye’deki mevcut durumundan bahsedilmiútir. Takip eden aúamada Çok Kriterli Karar Verme (ÇKKV) yöntemlerinden Analitik Hiyerarúi Prosesi (AHP) ve Electre III Yöntemlerinin algaoritmalar açklanmútr. Daha sonra, literatür taramas verilmiú ve çalúmann metodolojisi anlatlmútr. Uygulama ksmnda, Ankara’daki teknokentlerde faaliyet gösteren firmalardan alnan veriler, teknokentler baznda de÷erlendirilmiútir. Bunun için çalúmann uygulama alan olan Ankara’daki beú teknokentte faaliyet gösteren firma-lardan alnan veriler, teknokent baznda ayr ayr analiz yaplmak suretiyle her bir teknokente ait, o teknokent firmalarnn teknokent tercihlerinde önem verdikleri kriterlerin a÷rlklar AHP ile belirlenerek “Hiyerarúik Electre Yöntemi” ile teknokent tercihleri belir-lenmiú, sonuçlar tartúlarak öneriler sunulmuútur.
2. TEKNOKENTLER
Dünyada teknokent çalúmalar 1951 ylnda Silikon Vadisinde bulunan Stanford Araútrma Park ile baúlamútr. Silikon Vadisindeki baúarl teknokent faaliyetlerinin etkisi, özellikle 1970’li yllarda Amerika ve Avrupa’da teknokent faaliyetlerinin yaylmasna ve artmasna sa÷lamú, 1970’li yllarn sonunda ise bu hareketlilik Japonya’ya kadar ulaúmútr. Günü-müzde dünya üzerinde yaklaúk 1000’e yakn faaliyet gösteren teknokent bulunmaktadr. Bu say kuluçka merkezleriyle birlikte 4000’e ulaúmaktadr (“Dünyadaki Teknoparklar”, 2019).
Teknokentler, bölgesel kalknma ve büyüme amacyla, katma de÷er yaratan yenilikçi tek-nolojilerin üretimi ve geliútirilmesi için üniversite ve araútrma kurumlarnn teknik ve bi-limsel imkânlar ve devletin yardm ile giriúimcilere destek sa÷layan, üniversite – sanayi iliúkilerinin somut bir iúbirli÷ine dönüúmesinde arabuluculuk görevi yapan merkezlerdir (Babacan, 1995).
Uluslararas Bilim Parklar Birli÷i (IASP), bilim parkn úu úekilde tanmlamútr; “Bir bilim park, temel amac, inovasyon kültürünü ve ilgili iúletmelerinin ve bilgi temelli kurumlarn rekabet gücünü teúvik ederek toplumunun zenginli÷ini yükseltmek için profesyonelce yö-netilen bir örgüttür. Bilim Park söz konusu hedeflerine eriúebilmek adna üniversiteler, Ar-Ge kurumlar, úirketler ve pazarlar arasnda teknoloji ve bilgi akún teúvik eder ve yönetir. Spin-off ve kuluçka süreçleri yoluyla inovasyona dayal úirketlerin yaratlmasn ve büyü-mesini kolaylaútrr ve katma de÷eri yüksek hizmetleri kaliteli bir ortamda sa÷lar” (“Science Park -Iasp Official Definition”, 2018).
4691 Sayl Teknoloji Geliútirme Bölgeleri Kanunu’nun 2001 ylnda çkmasndan sonra ülkemizde teknokentler kurulmaya baúlamútr. Mart 2019 itibariyle mevcut istatistiki du-rum úu úekildedir (“Teknoloji Geliútirme Bölgeleri”, 2019);
x Resmi Gazetede yaymlanan kurulumu tamamlanan teknokent says 83’e, x Faaliyette olan teknokent 63’e,
x Teknokentlerde faaliyette olan firma says 5.368’e,
x Toplam çalúan says 51.876’ya, (42.488 Ar-Ge, 3.143 Destek, 6.245 Kapsam Dú Personel)
x Toplam proje says (tamamlanan ve devam eden) 39.869’a, x Toplam ihracat 3,8 Milyar ABD $’a, ulaúmútr.
3. ÇOK KRøTERLø KARAR VERME YÖNTEMLERø
Çok Kriterli Karar Verme, çok sayda kriterin ayn anda uyguland÷ ortamda seçenekler arasndan en iyi olann titizlikle seçilmesine imkân sa÷layan karar verme aracdr (Mendoza ve Prabhu, 2000).
ÇKKV metotlar karar teorisi ve karar analizinin baúlca bölümlerinden biridir. Çok kriterli karar verme, bir’den fazla kritere göre alternatiflerin avantaj ve dezavantajlarn de÷erlen-dirmek için kullanlan analitik bir yöntemdir. Yani, karar sürecini desteklemede bir’den fazla kriterin hesaba katld÷ problemlerde uygulanrlar (Pirdashti vd., 2009).
ÇKKV metotlar, araútrmaclar tarafndan popüler ve yaygn olarak kullanlmaktadr. Esa-sen, her bir ayr ÇKKV problemi çözümünde kullanlan her bir metot, önceden seçilmiú çeúitli alternatifler arasndan en iyi olan seçerek problemin çözümünde yardmc olmakta-dr (Janic ve Reggiani, 2002).
Kuruluú yer seçimi kararnn de÷erlendirme sürecinde ise birbirleriyle çeliúen çok sayda kriter oldu÷undan ve bu kriterler arasnda bir uzlaúma olmas gerekti÷i için kuruluú yer se-çimi probleminde karar vermek zorlaúmaktadr. Karar verme sürecinde karar vericiler çok sayda kriteri de÷erlendirerek bu kriterlere göre kuruluú yeri alternatifleri için optimal yeri belirlemektedirler (Ömürbek vd, 2013).
Kuruluú yeri seçiminde çok sayda yöntem kullanlmaktadr. Örne÷in, simülasyon yöntemi, finansal yöntemler, matematiksel yöntemlerin yan sra TOPSIS, Analitik A÷ Süreci (AAS), Analitik Hiyerarúi Prosesi (AHP), VIKOR, Electre gibi hiyerarúiyi de dikkate alan çok kriterli karara verme yöntemleri örnek olarak verilebilir. Dikkat edilecek nokta, yön-temde kullanlacak kriterleri do÷ru seçmek ve do÷ru a÷rlklandrmaktr (Eleren, 2006). Bu çalúmada AHP ve Electre III yöntemleri kullanlmútr.
3.1. Analitik Hiyerarúi Prosesi
ÇKKV yöntemlerinden biri olan AHP ‘Analitik Hiyerarúi Prosesi’ (AHP - Analytic Hierarchy Process), teknik, sosyal, ekonomik, politik ve alanlardaki çok sayda karmaúk problemin çözümü için geliútirilmiú, nicel ve nitel faktörleri de÷erlendirebilmenin yan sra insan düúüncelerini, yarglarn, deneyimlerini, tercihlerini, sezgilerini ve bilgilerini de ka-rar sürecinde de÷erlendirebilen matematiksel bir metottur (Özbek ve Eren 2013). 1977 y-lnda Saaty tarafndan geliútirilen AHP (Armacost, 1994), uzmanlarn görüúlerini baz alarak ikili kyaslamalar yaparak öncelik a÷rlklarnn bulunmasn sa÷layan (Saaty, 2008), hem somut hem de soyut kriterleri kullanan çok kriterli bir ölçme yöntemidir (Saaty ve Özdemir,
Hem karúlaútrma hem de puanlamann oldu÷u AHP yöntemi, bir problemi parçalarna ayrarak alt problemlere bölen ve sonra bu alt problemlere bulunan çözümleri tek bir so-nuçta birleútirme esasna dayanr. güvenilir bir hiyerarúik yap ve alternatiflere ait kriterleri içeren bir geri bildirim a÷ oluúturmas yoluyla en iyi seçimin hangisi oldu÷u belirlenir (Saaty, 1994). AHP’deki kriterler, alternatifler ve ulaúlmak istenen amaç arasndaki iliúki ùekil 1.’de gösterilmektedir (Saaty ve Vargas, 2012).
ùekil 1: Üç Seviyeli Analitik Hiyerarúi Modeli
AHP yönteminde, öncelikle ulaúlmak istenen amaç tespit edilir. Daha sonra de÷erlendirme kriterleri ve söz konusu kriterlerin varsa alt kriterleri belirlenir. En alt basamakta ise bu kriterleri sa÷layacak, amaca ulaúmay sa÷layacak de÷erlendirilmesi yaplp içlerinden en uygunu seçilecek alternatifler yer alr. Amaç, kriterler ve alternatifler belirlenip karar hiye-rarúisi oluúturulduktan sonra ve karar verici ikili karúlaútrma matrisleri yoluyla karúlaú-trmalar yapar. Kriterlerin ikili karúlaútrma matrisi Saaty’nin Tablo.1’de görülen ölçe÷i kullanlarak yaplr (Aslan, 2005).
AMAÇ
Kriterler
Tablo 1: Mutlak Saylarn Temel Ölçe÷i
Önem
Derecesi Tanm Açklama
1 Eúit øki faaliyetin amaca katks eúit düzeydedir 2 Zayf
3
Orta Bir faaliyeti ötekine çok az derecede tercih edilmektedir
4 Orta +
5
Kuvvetli Bir faaliyet ötekine kuvvetli derecede tercih edilmektedir
6 Kuvvetli +
7 Çok kuvvetli
Bir faaliyet ötekine kuvvetli bir úekilde tercih edilmektedir. Kuvvetli olann basknl÷ uygulamada görülmektedir
8 Çok çok güçlü
9 Aúr
Bir faaliyet ötekine mutlak bir úekilde tercih edilmektedir
Üsttekilerin tersi
E÷er aktivitesi ile kar-úlaútrld÷nda üstteki de-÷erlerden (sfr olmayan) biri ile puanlanmúsa, akti-vitesi ile mukayese edildi-÷inde ald÷ de÷erin tersini alr
Kaynak: Saaty, (2008)
AHP yönteminde, ikili karúlaútrma karar matrisleri oluúturulduktan sonra, öncelik (a÷rlk) vektörlerinin hesapland÷ ikinci adma geçilir. Karúlaútrma matrisindeki en büyük özde÷ere karúlk gelen özvektör, öncelikleri belirlemektedir. Her bir kriter için önem a÷r-lklar bulunarak öncelik vektörü oluúturulur (Da÷deviren vd., 2004).
A÷rlklar bulunduktan sonra, sürecin ve oluúturulan hiyerarúik yapnn tutarllk oran ( )
hesaplanr. Tutarszlk orannn tolere edilebilir olabilmesi, orann %10’un altnda kalma-sna ba÷ldr (Saaty, 1994). Tutarllk orannn %10’un üzerinde çkmas durumunda tutar-ll÷ sa÷layan matrisi elde edene kadar karúlaútrmalar yaplmaldr (Aydn vd., 2009). Karúlaútrma matrisinin tutarl olmas úartyla AHP sonuçlar geçerli saylr. Kriter
(Consistency Index-Tutarl l k katsay s ),
eúitli÷i yard m yla hesaplan r. Eúitlikteki de÷erini elde edebilmek için, a÷ rl k vektörü
önem de÷erlerine bölünür(Ayd n vd., 2009). En büyük özde÷erin ) matris boyutuna
( ) eúit olmas gereklili÷i, ikili karú laút rma matrisinin tutarl l ÷ gerektiren di÷er bir di÷er durumdur (Arslan ve Khisty, 2005).
Sonraki ad m, rassal tutarl l k indeksi ( =Random Consistency Index) yard m yla
( =Consistency Ratio) yani matrisin tutarl l k oran n n hesaplanmas d r. (Ömürbek ve
ùimúek, 2012). Tablo 2’de, 1-15 boyutundaki matrisler için geliútirilen Rassall k indeksi görülmektedir (Saaty ve Tran, 2007).
Tablo 2: Rassall k øndeksi
Tutarl l k Oran (Consistency Ratio) da aúa÷ daki formül yard m yla hesaplan r; (Tüzemen ve Özda÷o÷lu, 2007)
AHP’nin son ad m , de÷erlendirme kriterlerin a÷ rl klar ile alternatiflerin a÷ rl klar n n çarp m ile elde edilen her bir alternatife ait öncelik de÷erinin bulunmas d r. Çözüm için en uygun seçenek, en yüksek de÷eri aland r (Da÷deviren ve Eren, 2001).
3.2. Electre Yöntemi
Çok kriterli karar verme yöntemlerinden biri olan ELECTRE yöntemi (Yücel ve Ulutaú, 2009), kalitatif ve kantitatif de÷erleri problemin çözümünde kullanabilmektedir (Figueira vd., 2018).
Electre yöntemi algoritmas nda, alternatiflerin karú laút r lmas nda s ralama d ú b rakma
durumu olur. Örne÷in; bir alternatifinin skoru en az alternatifi skoru kadar
de÷erlendirildi÷i takdirde alternatifi alternatifi taraf ndan s ralama d ú b rak lm ú olur
Electre yöntemi zamanla geliútirilmiú ve ELECTRE I, ELECTRE II, ELECTRE III, ELECTRE IV, ELECTRE IS ve ELECTRE TRI isimleri verilen alt farkl model oluútu-rulmuútur (Maystre vd., 1994).
Electre metotlarna ait özellikler ve aralarndaki farklar Tablo 3’te görülmektedir (Roy, 1991).
Tablo 3: Electre Yöntemlerinin Özellikleri
ELECTRE
yöntemleri Electre I Electre IS Electre II Electre III
Electre IV Electre TRI Farkszlk ve/veya tercih eúiklerinin dik-kate alnmas
olasl÷ Hayr Evet Hayr Evet Evet Evet
Kriterlerin nisbi öneminin öl-çülmesi
gereklili÷i Evet Evet Evet Evet Hayr Evet
Üstünlük iliú-kilerin says ve
yaps1 1 1 2 1 bulank 5 1 bulank
Problem ifadesi Į Į Ȗ Ȗ Ȗ ß
Nihai sonuçlar Çekirdek
Çekirdek; tutarllk ve ba÷l indisler ile birlikte Ksmi ön sralama Ksmi ön sralama Ksmi ön sralama Önceden tanmlanmú kategorilere ayrma 1
Tüm üstünlük iliúkileri; “bulank” içeren kutucuklar hariç olmak üzere uyumluluk ve uyumsuzluk kavramlarna dayanr; úekiller, bulank olmayan iliúkileri belirtir.
3.2.1. Electre III Yöntemi
Electre III yöntemi, Electre metotlar içerisinde en çok kullanlan Electre metodudur. Electre III metodunun ana amac; alternatifleri birbiriyle her bir de÷erlendirme kriterine göre kyaslayarak, birbirleri üzerinde kurduklar ikili üstünlük derecelerini belirlemek ve problemin amacn sa÷layacak en uygun alternatifi belirlemek için aday alternatifleri sra-lamaktr (Ulubeyli ve Manisal, 2005).
Çok kriterli karar verme problemleri genellikle bir grup alternatif kullanarak formüle edilir. A=(a,b,c,…,n) alternatifleri ifade ederken, (g1,g2,…,gm) kriterleri göstermektedir. gj(ai) ifadesi a alternatifinin gj kriterine göre performans de÷erini ifade etmektedir (Hokkanen ve Salminen,1997).
ELECTRE III yönteminde her bir kriter ile iliúkili farkszlk , tercih ve
veto olmak üzere üç farkl eúik de÷eri kullanlmaktadr. Söz konusu eúik
de÷erlerinden, alternatifler arasnda üstünlük sralamas yapmak için kullanlacak uyumlu-luk ve uyumsuzuyumlu-luk matrislerinin oluúturulmasnda yararlanlr. Eúik de÷erleri sabit saylar
verilerek belirlenebildi÷i gibi alternatiflerin kriterlere göre performanslarna ba÷l
bir fonksiyon olarak da tanmlanabilmektedir. Modeli oluútururken bu eúiklerin karar
veri-ciler tarafndan tüm kriterler için olacak úekilde tanmlanmas ve her bir kriter
için önem derecesini gösteren a÷rlk de÷erinin 'nin de belirlenmesi gerekir (Rogers,
2000).
Electre III yönteminde kullanlan eúik de÷erleri úu anlama gelmektedir (Pena vd., 2007): øki alternatif arasnda zayf tercih edilirlik olabilmesi için kriter skorlar arasnda olmas gereken fark.
p: øki alternatif arasnda kuvvetli tercih edilirlik olabilmesi için kriter skorlar arasnda
ol-mas gereken fark.
: øki alternatifin karúlaútrlmasnda kriter de÷erleri arasnda kabul edilemeyecek kadar
büyük olan fark.
ELECTRE III algoritmas aúa÷daki aúamalardan oluúmaktadr (Atc ve Ulucan, 2009; Rogers, 2000):
Uyumluluk matrislerinin oluúturulmas
Her alternatif çifti ’nin her bir ölçüt açsndan uyumluluk indeksleri aúa÷da eúitlik
(1)'de gösterilen uyumluluk fonksiyonu kullanlarak elde edilir. Alternatifler, her
bir de÷erlendirme kriterine göre ikili olarak karúlaútrlmas sonucunda boyutunda
birer uyumluluk matrisi ortaya çkar.
Eúitlik (1)
Kümülatif uyumluluk matrisi
Bir önceki aúamada elde edilen uyumluluk matrislerinden yararlanlarak bütün kriterler için oluúturulmak suretiyle ve her alternatifin birbiriyle kyasland÷, tek bir matrise
indirgen-miú, boyutunda kümülatif uyumluluk matrisi aúa÷daki eúitlik (2) deki formül ile
kri-ter de÷eri ile çarplarak toplanmas ile elde edilir. Eúitlik (2)’deki W, bütün krikri-terlerin a÷r-lklarnn toplamn ifade eder ve eúitlik (3) formülü ile bulunur.
Kümülatif uyumluluk matrisi, 0 ila 1 de÷erlerinden meydana gelmektedir. 0 de÷eri, bütün kriterler için “a” alternatifinin “b” alternatifinden kötü oldu÷unu, 1 de÷eri ise hiçbir kriter açsndan “b” alternatifinin “a” alternatifinden kötü oldu÷unu göstermektedir.
Uyumsuzluk Matrislerinin Oluúturulmas
Uyumsuzluk matrislerini elde edebilmek için her bir kriter için alternatifler ikili olarak
kar-úlaútrlr. olarak ifade edilen uyumsuzluk indeksinin hesaplanmasnda tercih ve
veto eúiklerinden yararlanlmaktadr. E÷er alternatifinin performans ile alternatifinin performans arasndaki fark tercih eúi÷inden ( ) küçükse uyumsuzluk indeksi 0 (sfr) de÷e-rini alr. E÷er alternatifinin performans ile alternatifinin performans arasndaki fark veto ( ) eúi÷inden büyükse fonksiyon 1 de÷erini alr. Bu da baz alnan kriter açsndan alternatifinin alternatifinden iyi oldu÷unu göstermektedir. Aksi durumda ise, uyumluluk indeksinin elde edilmesinde oldu÷u gibi do÷rusal bir fonksiyondan yararlanlr (Rogers, 2000).
Kriterlere göre uyumsuzluk göstergeleri ( )’nin hesaplanmas aúa÷daki eúitlik (4)’teki
formüller vastasyla yaplr (Figueira vd., 2018);
Kredibilite Matrisinin Oluúturulmas
Kredibilite matrisinin oluúturulmas aúamasnda, alternatiflerin birbirlerine tercih edilirlik dereceleri hesaplanr. alternatifinin alternatifine hangi oranda tercih edilece÷ini göste-ren tercih edilirlik derecesi, 0 ile 1 arasnda bir de÷erdir (Yürekli, 2008).
oluútu-rulur. Alternatiflerin sralamas da kredibilite matrisi yardm ile yaplr (Atc ve Ulucan, 2009).
Kredibilite matrisi, eúitlik (5)’de görülen fonksiyon yardm ile elde edilir (Rogers, 2000; Tam vd., 2003):
Eúitlik (5)’de, kümesi, koúulunu sa÷layan kriterleri temsil
etmektedir. Kredibilite matrisi, ( boyutunda bir matristir ve kümülatif uyumluluk
matrisindeki de÷erler ile her bir kriter için oluúturulmuú m tane uyumsuzluk matrisindeki de÷erlerin birbiri ile kyaslanmas sonucu elde edilir. Eúitlik (5)’de de görüldü÷ü üzere, bir alternatif ikilisi için uyum matrisi de÷eri bütün uyumsuzluk matrislerindeki de÷erler-den büyükse, bu ikilinin kredibilite matrisi de÷eri, kümülatif uyum matrisi de÷erine eúit olmaktadr. Aksi taktirde, kredibilite matris de÷eri, eúitlik (5)’de görülen denklem yardm ile bulunur (Atc ve Ulucan, 2009).
Alternatiflerin Sralanma Süreci
ELECTRE III yöntemi, alternatiflerin sralanmasnda, alternatiflerin kriter skorlar arasn-daki farklar dikkate almaktadr. Burada ana etken, kriter skorlar arasnarasn-daki farklarn küçük veya büyük olmasdr. Bu nedenle alternatiflerin sralamasnn yaplabilmesi ve farklarn
incelenmesi için úeklinde ifade edilen edilen bir ayrm de÷eri belirlenir (Maystre vd.,
1994).
Her bir alternatif çifti için elde edilen kredibilite de÷erleri, alternatiflerin sralanmas için kullanlacak olan distilasyon süreci için girdi oluúturmaktadr. Electre III yönteminde aza-lan ve artan sralama olmak üzere iki çeúit sralama vardr. Azaaza-lan sralama; en iyi alterna-tiften en kötü alternatife do÷ru olan sralama, artan sralama ise en kötü alternaalterna-tiften en iyi alternatife do÷ru olan sralamadr. Azalan ve artan sralamann kesiúimi de final sralamas-dr (Ulucan, 2012).
Sralama süreci, kredibilite matrisinde yer alan en büyük de÷erin olarak tespit edilmesi
ile baúlar. olan de÷iúkeni ise; de÷eri ile ayrm eúi÷i de÷iúkeni farkndan küçük en
bü-yük kredibilite matrisi de÷eri olarak tanmlanr. de÷iúkeni, sralamalarn yaplmasnda
Burada ), “ayrm eúi÷ini” ifade etmektedir. Electre III’te ayrm eúi÷i úu úekilde hesaplanmaktadr:
hesaplandktan sonra, alternatifler için güçlülük ve zayflk skorlar hesaplanr. Bu hesaplama, alternatiflerin kredibilite matrisindeki de÷erleri ile de÷erinin kyaslanmas ile
olur. ( ) alternatif çiftinin kredibilite matrisindeki de÷eri de÷erinden büyükse,
alternatifi +1 güçlülük skoru kazanr, kredibilite matrisindeki de÷er de÷erinden küçük
ise alternatifi için -1 zayflk skoru olur. Bu úekilde hesaplanan güçlülük ve zayflk skor-lar toplanr ve alternatiflerin toplam skorskor-lar elde edilir. Bu aúamadan sonra azalan sra-lama süreci baúlar. Azalan srasra-lamada, en yüksek toplam skora sahip olan alternatif srala-madan çkarlr. Bu süreç geriye kalan alternatifler sras belirlenene kadar ayrútrma süre-cine devam edilir. Artan sralama sürecinde azalan sralamadan farkl olarak sürecin so-nunda toplam skoru en küçük olan alternatif seçilerek analizden çkarlarak ilk sraya ko-nur. Sraya konan alternatif analizden çkarldktan sonra süreç geri kalan alternatifler için sürdürülür (Atc ve Ulucan, 2009) .
Azalan ve artan sralama süreçleri uygulandktan sonra elde edilen iki ön sralama, birbir-leri ile tutarl bir úekilde kesiútirilmek suretiyle son sralama elde edilir. Electre III ile
alter-natiflerin sralanmas iúlemi tamamlanmú olur(Atc ve Ulucan, 2009).
4. KURULUù YERø SEÇøMøNøN ANKARA’DAKø TEKNOKENTLER’DE UYGULAMASI
4.1. Konu ve Kapsam
Ar-Ge’ye son yllarda verilen önem ve ayrlan deste÷in artmasna paralel olarak Ar-Ge projelerinin de says artmútr. Teknokentlerde, Ar-Ge projelerine vergisel destek ve mua-fiyetler olmasnn yan sra sinerji imkânlar da bulunmaktadr. Bir giriúimci ve/veya firma için, faaliyette bulunaca÷ teknokent seçimini etkileyen ve projenin baúar ile tamamlan-mas açsndan önemi büyük olan çok sayda kriter bulunmaktadr. Bu kriterlerden baúlcalar úu úekilde sralanabilir; teknokentin altyaps, giriúimciye sunaca÷ imkânlar, teknokentteki ofislerin kira ücretleri, üniversitenin altyaps (üniversitedeki bölümler, üni-versitede yaplan projeler, danúmanlk deste÷i alabilece÷i ö÷retim eleman, projede çalút-rabilece÷i ö÷renciler vb.), proje konusu, teknokentin o bölgedeki co÷rafi konumu, teknokentin bulundu÷u úehir ile ilgili durumlar (úehrin sanayi potansiyeli, pazar durumu,
müúteri potansiyeli, úehirdeki sosyal ve kültürel çevre, co÷rafi konum, ulaúm imkânlar vb.) olarak saylabilir.
Ar-Ge projelerini yapmak üzere bir teknokentte ofis kiralamak isteyen giriúimcilerin
iúlet-melerini faaliyete geçirecekleri teknokent seçiminde AHP-Electre bütünleúik yaklaúm3
uygulamas, bu çalúmann konusunu oluúturmaktadr. Electre yöntemlerinden, Electre III yöntemi bu çalúmada uygulanmútr. Araútrmann kapsam ise, Ankara’da faaliyet göste-ren teknokentlerdeki giriúimcilerdir.
Çalúmada öncelikle, giriúimcilerin faaliyet gösterecekleri teknokenti seçerken esas aldk-lar kriterler belirlenmiú ve sonrasnda “Hiyerarúik Electre” uygulamas ile kriterler a÷r-lklar bulunmuútur. Söz konusu kriterler baz alnarak Ankara bölgesinde faaliyet gösteren aday beú teknokentin karúlaútrlmas sonucunda her bir teknokente mensup firma grubu-nun teknokent seçimi tespit edilmiútir. Böylece, örne÷in, Hacettepe teknokentte faaliyet gösteren firmalarn, Ankara’daki teknokent tercihlerinin ne oldu÷u ortaya çkmútr.
Çalúmann amac; “Hiyerarúik Electre Yöntemi” kullanlarak, giriúimcilerin ve firmalarn
iúletmelerini kuracaklar en iyi teknokent seçimini yapma problemine çözüm sunmaktr. 4.2.Metodoloji
4.2.1.Literatür Araútrmas
Literatürde AHP ve Electre III Yöntemleri kullanlarak yaplan çok sayda çalúma bulun-makla birlikte her iki yöntemin bir arada kullanld÷ çalúmalara rastlanmamútr. Son yl-larda bu iki yöntemle gerçekleútirilen baz çalúmalar aúa÷da sunulmuútur:
Burdurlu ve Ejder (2003), mobilya endüstrisi firmalar için en uygun kuruluú yeri seçimini AHP ile yapmúlardr. Bunun için østanbul, Ankara, Kayseri, Denizli, Adana’dan oluúan beú alternatif úehri sralamúlardr.
ønce vd. (2016) bir ilçede kurulacak hastane için kuruluú yeri seçimi problemine AHP ile çözüm aramúlardr. Bu problemin çözümü için “demografik yap, rekabet unsuru, bina ko-num ve özellikleri, çevresel faktörler, bina koko-numu ve yatrm maliyetleri” kriterleri belir-lenmiútir.
Karagiannidis ve Moussiopoulos (1997), Electre III uygulamasn, Atina’da belediyenin kat atk depolama yerinin belirlenmesinde kullanmúlardr. Bu çalúmada 24 de÷erlendirme kriteri ile beú alternatif depolama yeri de÷erlendirilmiú, kyaslamas yaplmútr.
Ulubeyli ve Manisal (2005), en uygun beton pompasnn seçiminde Electre III uygulama-sn kullanmúlardr. Üç farkl beton pompas markauygulama-snn de÷erlendirmesini, alts nicel, dördü nitel olmak üzere 10 kriter üzerinden yapmúlardr.
Zielina (2010), inúaat sektöründe ortaklk kurulabilecek en iyi inúaat firmasnn seçilmesi problemi için iki alternatif yöntemi Electre III ile de÷erlendirmiútir. ønúaat sektöründeki dört uzman, sektördeki firma iliúkilerindeki on dört parametreyi beúli ölçek ile puanlamúlardr. øliúkileri tanmlayan parametreler; de÷erlendirme kriteri olarak ele alnmútr.
Marzouk (2011), Electre III yöntemini, gereksiz giderleri belirleyerek ve ortadan kaldrarak performans ve ürün maliyetini iyileútirmeye çalúmak olan “De÷er mühendisli÷i” konusuna uygulamútr. Çalúmasnda, baúlangç maliyeti, yllk tasarruf, estetik, kurulum kolayl÷ úeklinde dört adet kritere göre beú alternatifi sralamútr. Marzouk, belirledi÷i kriterlerin a÷rlklarn de÷iútirerek iki kez Electre III uygulamas yapmútr. Böylece ortaya çkan iki senaryo karar vericilere fikir vermiútir.
Özkan vd. (2011) Eskiúehir’de kat atk yönetim sistemi için Electre III yöntemi kullanarak MRF, geri dönüúüm, kompostlama, insinerasyon ve düzenli depolamadan oluúan beú farkl sistem senaryosunu sralamúlardr.
Özbek (2016), 2008-2015 yllar arasnda BøM Birleúik Ma÷azalar Zincirinin Borsa østan-bul (BøST)’deki performansn, finansal durumu etkileyen kârllk oranlar, faaliyet oranlar, finansal oranlar ve likidite oranlar dikkate alarak Electre III yöntemini kullanarak ölçmüútür.
4.2.2. Hiyerarúik Electre Uygulamas
Çalúmada AHP ve Electre yöntemlerinin kombine olarak kullanlmasyla oluúan ve
“Hiye-rarúik Electre” úeklinde adlandrlan “Hiyerarúik Electre Yöntemi” kullanlmútr.
Söz konusu “Hiyerarúik Electre Yöntemi”nin iki aúamas bulunmaktadr: Öncelikle AHP kullanarak kriterlerin a÷rlklarn belirlenir. Sonra Electre metodu ile alternatifler sralana-rak ve optimal alternatif seçilir.
Bu çalúmada, Hiyerarúik Electre Yöntemi, iúletmelerin kuruluú yeri olarak seçecekleri teknokenti belirlemede kullanlmú ve Ankara bölgesinde bir uygulama yaplmútr. Önce-likle, AHP yöntemi ile çalúma kapsam içersinde bulunan firma yöneticilerinin görüúleri baz alnarak de÷erlendirme kriterlerinin a÷rlklar belirlenmiú, Electre III yöntemi ile de kuruluú yerleri sralanmú ve en uygun teknokent alternatifi belirlenmiútir.
Hiyerarúik Electre Yöntemi, ÇKKV içeren problemlerin çözümünde (örne÷in kuruluú yeri, tedarikçi, personel seçimleri, performans de÷erleme konular gibi) kullanlabilmesinin yan sra üretim, pazarlama, yönetim, yönetim, turizm, sa÷lk gibi pek çok sektörde uygulama alan bulabilir (Keleú, 2014).
Çalúmann yapld÷ tarihte Ankara’da beú teknokentte 752 firma faaliyet göstermektedir. Örneklem says, %95 güven aral÷nda “Basit Rastgele Örnekleme” ile belirlenmiú ve ya-plan hesaplama sonucunda uygulama yaplacak firma says 254 olarak tespit edilmiútir. Anket ve puanlama tablosu, uygulamas yaplacak her teknokente ait firma says ise istih-dam ettikleri firma saylar baz alnp oranlanarak da÷tlmak suretiyle bulunmuútur. Tablo 5’de yukarda anlatlanlar detayl bir úekilde verilmiútir:
Tablo 1: Teknokentlere Göre Firma Saylarnn Da÷lm
Teknokent ad
Firma
says Örneklem says
Hacettepe Teknokent 139 46
Gazi Teknokent 90 30
ODTÜ Teknokent 285 95
Ankara Teknoloji Geliútirme Bölgesi 34 15
Cyberpark 204 68
TOPLAM 752 254
Kriterlerin Belirlenmesi
Çalúmada öncelikle kuruluú yeri için teknokent seçiminde kullanlacak yirmi adet kriter belirlenmiú ve bu kriterler firma yetkililerine kendilerince önem derecesine göre sralama yaptrlp ilk yedi kriter tespit edilmiútir. Söz konusu kriterler aúa÷dadr:
x Kira bedeli
x Teknokentin uluslararas rekabet imkân sa÷layacak kalitede firmalara profesyonel hizmetler sunmas
x Teknokentin bulundu÷u üniversitenin altyaps x Teknokentin Ankara içersindeki fiziki konumu
x Teknokentte bulunan firmalarla sinerji ve ortak proje yapma potansiyeli x Proje konusunun içeri÷i
x Teknokentin misyonu
Örnek-lem dâhilindeki firma yetkilileri AHP algoritmasndaki puanlama tablosuna göre kriterlere puan vermiúlerdir. Söz konusu de÷erleme, Saaty tarafndan kullanlan 9’lu de÷erleme tab-losu (Saaty, 2008) ile yaplmútr. Böylece kriter a÷rlklar belirlenmiútir.
Takip eden aúamada alternatifleri, a÷rlklar belirlenen kriterler yardmyla sralayabilmek için Electre III yöntemine geçilmiútir. Electre III yönteminin ilk adm baúlangç matrisini elde edebilmek için alternatiflerin her kritere göre ald÷ de÷erler belirlenmiútir. Firma yet-kililerince belirlenen yedi kriterden alt tanesi yani, (teknokentin uluslararas rekabet im-kân sa÷layacak kalitede firmalara profesyonel hizmetler sunmas, teknokentin bulundu÷u üniversitenin altyaps, teknokentin Ankara içersindeki fiziki konumu, teknokentte bulunan firmalarla sinerji ve ortak proje yapma potansiyeli, proje konusunun içeri÷i, teknokentin misyonu) kalitatif verilerdir. Bu yüzden söz konusu bu kriterler için, her alternatifin ald÷ de÷eri belirleyebilmek adna firma yetkililerine 1 ila 5 puan aral÷nda bir ölçek kullanla-rak de÷erleme yaptrlmútr. Daha sonra elde edilen bu de÷erlemelerin kriterlere göre alter-natifler baznda aritmetik ortalamas alnmútr. Kira bedeli kriteri kantitatif bir veri olan teknokentlerin uygulad÷ kira+aidat+KDV miktardr. Her teknokentin firmalara uygulad÷ kira+aidat bedeli teknokent yetkililerinden alnarak bu kriter skorlar da tespit edilmiútir. Electre III algoritmasna göre tespit edilmesi gereken (farkszlk), (tercih), (veto) eúik de÷erleri, baúlangç matrisinden yararlanlarak belirlenmiútir. Kuruluú yeri alternati-flerinin her bir kriter için ald÷ de÷erlerin standart sapmas alnp elde edilen standart sapma de÷eri kendine en yakn 5’in kat olacak úekilde yukar do÷ru yuvarlanmak suretiyle
(farkszlk) eúi÷i bulunmuútur. Elde edilen farkszlk eúikleri sayesinde her kriter için ayr ayr belirlenmesi gereken di÷er iki eúik de÷erleri (tercih ve veto eúik de÷erleri) de tespit edilmiútir.
Takip eden aúamada ise, çalúmann baúndan itibaren adm adm elde edilen veriler (kriter a÷rlk de÷erleri, baúlangç matrisi de÷erleri, eúik de÷erleri) Electre III yazlm programna girilerek alternatifler teknokentlerin tercih sralamas yaplmútr.
Ankara Bölgesinde Faaliyet Gösteren Teknokent Firmalarna Teknokent Seçimi Uygulamas
Uygulama ksmnda, Ankara’daki teknokentlerde faaliyet gösteren firmalardan alnan veri-ler, teknokent baznda “Hiyerarúik Electre Yöntemi” ile ayr ayr analiz yaplmak suretiyle her bir teknokente ait, o Teknokent firmalarnn öncelikle teknokent tercihlerinde önem verdikleri kriterlerlerin a÷rlklar bulunmuú daha sonra teknokent tercihleri belirlenmiú ve teknokent tercih sralamas yaplmútr. Söz konusu uygulamaya ait bulgular ve de÷erlen-dirmeler aúa÷dadr:
ODTÜ Teknokent’te Faaliyet Gösteren Ar-Ge Firmalarna Yönelik Uygulama Uygulamann ilk aúamasnda olan ODTÜ Teknokent firmalarnn kriterlere verdikleri a÷r-lklar bulmak için örneklemindeki 95 firma yöneticisinin görüúleri AHP ile de÷erlendiril-miú ve firma yöneticilerine Saaty’nin 1-9 skalasndan yararlanarak kriterlerin ikili karúlaú-trmalar yaptrlmútr. Böylelikle elde edilen 95 verinin geometrik ortalamas alnmú ve veriler düzenlenerek normalize edilmiútir. Tablo2’de ODTÜ Teknokent için kriterlerin ikili karúlaútrmas görülmektedir.
Tablo 2: ODTÜ Teknokent için Kriterlerin økili Karúlaútrmas
Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu Kira bedeli 1 5 5 4 9 8 7 Hizmetler sun-mas 0,2 1 4 0,33 5 6 4 Üniversitenin Altyaps 0,2 0,25 1 0,25 2 3 2 Fiziki konumu 0,25 3 4 1 5 5 4 Firmalarla si-nerji ve ortak proje 0,11 0,2 0,5 0,2 1 2 0,5 Proje Konusu 0,13 0,17 0,33 0,2 0,5 1 0,5 Teknokentin misyonu 0,14 0,25 0,5 0,25 2 2 1
Tablo 3’de kriterlerle ilgili karúlaútrma matrisinin AHP algoritmasnda bulunan ikinci adm olan normalize edilmiú hali ve kriter a÷rlklar görülmektedir. Tabloya göre “Kira bedeli” kriteri en önemli kriter olarak seçilmiútir.
Tablo 3: Normalize Karúlaútrma Matrisi (ODTÜ Teknokent) Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu w Kira bedeli 0,49 0,51 0,33 0,64 0,37 0,3 0,37 0,43 Hizmetler sunmas 0,1 0,1 0,26 0,05 0,2 0,22 0,21 0,16 Üniversitenin Altyaps 0,1 0,03 0,07 0,04 0,08 0,11 0,11 0,08 Fiziki konumu 0,12 0,3 0,26 0,16 0,2 0,19 0,21 0,21 Firmalarla sinerji ve ortak proje 0,05 0,02 0,03 0,03 0,04 0,07 0,03 0,04 Proje Konusu 0,06 0,02 0,02 0,03 0,02 0,04 0,03 0,03 Teknokentin misyonu 0,07 0,03 0,03 0,04 0,08 0,07 0,05 0,05
Matrisin tutarll÷, yukarda AHP algoritmasnn anlatld÷ bölüm 3.1.deki hesaplamalar yardmyla bulunur.
de÷eri 0,059 < 0,1 oldu÷u için a÷rlklar tutarldr.
Electre III yönteminin ilk aúamas baúlangç matrisinde kullanlmak üzere tablo 3’deki kri-ter a÷rlklar alnmútr. Tablo 4’de ODTÜ Teknokent firmalarna ait veriler ve puanlama-larla oluúan baúlangç matrisi görülmektedir. Tabloda, kriterlere göre en yüksek puanlarn a÷rlkl olarak ODTÜ Teknokent tarafndan alnd÷ görülmektedir. ODTÜ Teknokent fir-malar için kuruluú yeri teknokent seçiminde en önemli kriter de 0,428 a÷rlk ile “Kira be-deli” kriteri olmuútur.
Tablo 4’de ODTÜ Teknokent’te faaliyet gösteren firmalardan alnan veriler ve puanlamalar vastasyla oluúan kriterlere ait eúik de÷erlere bakld÷nda, örne÷in, “Teknokentin mis-yonu” kriterine göre iki alternatif arasndaki skor fark, farkszlk eúik de÷eri olan 0,25’ten küçükse bu iki alternatif birbirine üstünlük kuramamú saylacaktr.
Tablo 4: ODTÜ Teknokent Baúlangç matrisi
ODTÜ TEKNOKENT Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu Hacettepe Teknokent 30 3,387 3,548 3,258 3,387 3,538 3,484 Gazi Teknokent 25 3,183 3,204 2,86 3,204 3,28 3,215 ODTÜ Teknokent 30 3,591 3,785 3,462 3,935 4,022 3,548 Ankara Üniversitesi TGB 30 3,065 3,097 2,699 3,075 3,333 3,054 Cyberpark 50 3,581 3,613 3,409 3,667 3,71 3,473 q (Farkszlk eúi÷i) 10 0,25 0,3 0,35 0,4 0,35 0,25 V (Veto eúi÷i) 25 1,5 1,5 1,5 1,5 1,5 1,5 P (Tercih eúi÷i) 20 1 1 1 1 1 1 w (ODTÜ a÷rlk) 0,428 0,164 0,075 0,207 0,04 0,032 0,054 Standart Sapma 9,75 0,24 0,29 0,34 0,35 0,3 0,21 Kredibilite matrisi
Tablo 5’de “Kredibilite Matrisi” görülmektedir. Bu matris, alternatiflerin birbirlerine göre üstünlük derecelerini göstermektedir. Bu matrise göre “ODTÜ Teknokent, di÷er teknokentlere göre daha iyidir” ifadesi 1,00 puan alarak di÷er teknokentlere göre %100 üstünlük sa÷lad÷ görülmektedir. Kredibilite Matrisine göre, örne÷in;
“Cyberpark, ODTÜ Teknokent’den üstündür” ifadesi 0,54, “Hacettepe Teknokent, Cyberpark’tan üstündür” ifadesi 1,00,
“Ankara Üniversitesi TGB, ODTÜ Teknokent’den üstündür” ifadesi 0,71
“Gazi Teknokent, Hacettepe Teknokent’den üstündür” ifadesi ise 0,98 orannda do÷rudur. Tablo 5: Kredibilite Matris-ODTÜ Teknokent
Hacettepe Gazi ODTÜ Ankara TGB Cyberpark
Hacettepe --- 1 0,98 1 1 Gazi 0,98 --- 0,82 1 0,89 ODTÜ 1 1 --- 1 1 Ankara TGB 0,89 1 0,71 --- 0,78 Cyberpark 0,54 0 0,54 0,54 ---
Tablo 6’da ODTÜ Teknokent’te faaliyet gösteren firmalarn kuruluú yeri için tercih sralamalar görülmektedir. ODTÜ Teknokent’te faaliyet gösteren firmalar, e÷er mevcut tecrübe ve görüúlerine göre yeniden kuruluú yeri seçimi yapacak olsalard yine öncelikle ODTÜ Teknokent’i tercih edecekleri anlaúlmaktadr. Tabloya göre, Hacettepe Teknokent ikinci, Gazi Teknokent ise üçüncü srada yer almaktadr. Son iki sray ise Ankara Üniversitesi TGB ve Cyberpark paylaúmaktadrlar.
Tablo 6: Final Sralama-ODTÜ Teknokent Sra No Teknokentin øsmi 1 ODTÜ Teknokent 2 Hacettepe Teknokent 3 Gazi Teknokent 4 Ankara TGB 5 Cyberpark
ODTÜ Teknokent firmalar, ODTÜ Teknokent’i kuruluú yeri olarak ilk srada tercih et-miúlerdir. Bunda etkili olan baúlca faktörler; söz konusu iúletmelerin ODTÜ Teknokent’ten memnuniyeti ve ODTÜ Teknokent’in, iúletmelerin Ar-Ge proje konularna yönelik altyap-snn di÷erlerine göre daha tatmin edici olmas úeklinde yorumlanabilir. Bu durum
baúlan-gç matrisinde, kriterlerin teknokentlere göre ald÷ puanlamada da görülmektedir. Baúlan-gç matrisinde ODTÜ Teknokent’in yüksek puanlar ald÷ görülmektedir. Gazi Teknokent’in, ofis kira bedelinin di÷er teknokentlere göre düúük olmas Gazi Teknokent’in, Ankara Üniversitesi TGB ve Cyberpark’n üstünde yer almasndaki en önemli faktör úek-linde yorumlanabilir. Cyberpark, baúlangç matrisinde (Tablo 4) kriterlere göre ald÷ pu-anlar daha yüksek olmasna ra÷men sralamada en sona gerilemesinin nedeni, kira bedeli kriterinin veto eúik de÷erine taklmas ve kira bedeli kriterinin a÷rl÷nn yüksek olmasdr. Hacettepe Teknokent’te Faaliyet Gösteren Ar-Ge Firmalarna Yönelik Uygulama Tablo 7’de Hacettepe Teknokent’te faaliyet gösteren örneklem olarak seçilen 46 firma yö-neticisinin görüúlerine göre oluúturulan AHP yönteminin ilk adm olan ikili karúlaútrma matrisi görülmektedir.
Tablo 7: Hacettepe Teknokent için Kriterlerin økili Karúlaútrmas
Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu Kira bedeli 1 5 9 4 7 5 8 Hizmetler sun-mas 0,2 1 6 0,25 4 2 3 Üniversitenin Altyaps 0,11 0,17 1 0,17 0,5 0,2 0,25 Fiziki konumu 0,25 4 6 1 6 3 5 Firmalarla si-nerji ve ortak proje 0,14 0,25 2 0,17 1 0,25 0,25 Proje Konusu 0,2 0,5 5 0,33 4 1 2 Teknokentin misyonu 0,13 0,33 4 0,2 4 0,5 1
Tablo 8’de kriterlerle ilgili karúlaútrma matrisinin AHP algoritmasnda bulunan ikinci adm olan normalize edilmiú hali ve kriter a÷rlklar görülmektedir. Firma yöneticilerine göre “Kira bedeli” kriteri 0,422 ile a÷rl÷ en yüksek olarak seçilmiútir.
Tablo 8: Normalize Karúlaútrma Matrisi (Hacettepe Teknokent) Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu w Kira bedeli 0,49 0,44 0,27 0,65 0,26 0,42 0,41 0,42 Hizmetler sunmas 0,1 0,09 0,18 0,04 0,15 0,17 0,15 0,13 Üniversitenin Altyaps 0,05 0,01 0,03 0,03 0,02 0,02 0,01 0,03 Fiziki konumu 0,12 0,36 0,18 0,16 0,23 0,25 0,26 0,22 Firmalarla sinerji ve ortak proje 0,07 0,02 0,06 0,03 0,04 0,02 0,01 0,04 Proje Konusu 0,1 0,04 0,15 0,05 0,15 0,08 0,1 0,1 Teknokentin misyonu 0,06 0,03 0,12 0,03 0,15 0,04 0,05 0,07
Matrisin tutarll÷, yukarda AHP algoritmasnn anlatld÷ bölüm 3.1.deki hesaplamalar yardmyla bulunur.
de÷eri 0,076 < 0,1 oldu÷u için a÷rlklar tutarldr.
Tablo 9’da Hacettepe Teknokent örneklemindeki firmalara ait veriler ve puanlamalarla olu-úan baúlangç matrisi görülmektedir. Tabloda, kriterlere göre en yüksek puanlarn Cyberpark tarafndan alnd÷, Hacettepe Teknokent ve ODTÜ Teknokent’in ise birbirine yakn puanlar ald÷ görülmektedir.
Tablo 9’da Hacettepe Teknokent’te faaliyet gösteren firmalardan alnan veriler ve puanla-malar vastasyla oluúan kriterlere ait eúik de÷erlere bakld÷nda, örne÷in, “Teknokentin Ankara içersindeki fiziki konumu” kriterine göre iki alternatif arasndaki skor fark, tercih eúi÷i (1,0) ve veto eúi÷i (1,5) arasnda olursa skoru yüksek olan alternatifin düúük olana göre kuvvetli tercih edilece÷i söz konusu olacaktr.
Tablo 9: Hacettepe Teknokent Baúlangç Matrisi HACETTEPE TEKNOKENT Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu Hacettepe Teknokent 30 3,522 3,87 3,283 3,457 3,826 3,5 Gazi Teknokent 25 3,283 3,326 3,043 3,326 3,413 3,348 ODTÜ Teknokent 30 3,63 3,826 3,63 3,522 3,87 3,391 Ankara Üniversitesi TGB 30 3,087 3,304 2,935 3,109 3,391 3,174 Cyberpark 50 3,804 3,957 3,717 3,717 3,978 3,761 q (Farkszlk eúi÷i) 10 0,3 0,35 0,4 0,25 0,3 0,25 V (Veto eúi÷i) 25 1,5 1,5 1,5 1,5 1,5 1,5 P (Tercih eúi÷i) 20 1 1 1 1 1 1 w (ODTÜ a÷rlk) 0,422 0,126 0,025 0,223 0,036 0,098 0,07 Standart Sapma 9,75 0,28 0,32 0,35 0,23 0,27 0,22 Kredibilite matrisi
Tablo 10’daki “Kredibilite Matrisi”ne göre “ODTÜ Teknokent, di÷er teknokentlere göre daha iyidir” ifadesinin di÷er teknokentlere göre daha yüksek puanlar ald÷ görülmektedir. Kredibilite Matrisine göre, örne÷in;
“Ankara Üniversitesi TGB, Cyberpark’tan üstündür”
“Hacettepe Teknokent, ODTÜ Teknokent’den üstündür” ifadesi 1,00, “Gazi Teknokent, Hacettepe Teknokent’den üstündür” ifadesi 0,98,
“Cyberpark, ODTÜ Teknokent’den üstündür” ifadesi ise 0,58,ifadesi ise 1,00 orannda ka-bul görmüútür.
Tablo 10: Kredibilite Matris-Hacettepe Teknokent
Hacettepe Gazi ODTÜ Ankara
TGB Cyberpark Hacettepe --- 1 1 1 0,99 Gazi 0,98 --- 0,89 1 0,79 ODTÜ 1 1 --- 1 0,99 Ankara TGB 0,94 1 0,81 --- 0,68 Cyberpark 0,58 0 0,58 0,58 ---
Tablo 11’de görülmektedir. Hacettepe Teknokent’te faaliyet gösteren firmalar, e÷er mevcut tecrübe ve görüúlerine göre yeniden kuruluú yeri seçimi yapacak olsalard öncelikle ODTÜ Teknokent’i tercih edecekleri anlaúlmaktadr. Tabloya göre, Hacettepe Teknokent ikinci srada yer alrken, üçüncü srada Gazi Teknokent bulunmaktadr. Son iki srada Ankara Üniversitesi TGB ve Cyberpark görülmektedir.
Tablo 11: Final Sralama Hacettepe Teknokent Sra No Teknokentin øsmi 1 ODTÜ 2 Hacettepe 3 Gazi 4 Ankara TGB 5 Cyberpark
Tablo 9’daki baúlangç matrisinde Cyberpark, kriterlere göre en yüksek skorlar almú ol-masna ra÷men kira bedeli kriterinin veto eúik de÷erine taklmas ve kira bedeli kriterinin a÷rl÷nn yüksek olmas nedeniyle, Cyberpark’n alt sralara geriledi÷i görülmektedir. Dolaysyla ODTÜ Teknokent’in baúlangç matrisinde kriterlere göre ald÷ skorlar, Cyberpark’tan düúük olmasna ra÷men Cyberpark kira bedeli kriterinden veto ald÷ için ODTÜ Teknokent sralamada Cyberpark’ geçerek ilk sraya yükselmiútir. Benzer úekilde kira bedeli kriterinin a÷rl÷nn yüksek olmas ve Gazi Teknokent’in kira bedelinin düúük olmas Gazi Teknokent’in üçüncü sraya yükselmesini sa÷lad÷ úeklinde yorumlanabilir. Cyberpark’ta Faaliyet Gösteren Ar-Ge Firmalarna Yönelik Uygulama
Tablo 12’de Cyberpark’a ait kriterler için AHP yönteminin ilk adm olan ikili karúlaútrma matrisi görülmektedir. Söz konusu matris Cyberpark’ta faaliyet gösteren örneklem olarak seçilen 68 firma yetkilisinin görüúleri esas alnmak suretiyle oluúturulmuútur.
Tablo 12: Cyberpark için Kriterlerin økili Karúlaútrmas Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu Kira bedeli 1 9 7 5 8 7 7 Hizmetler sun-mas 0,11 1 2 0,33 2 2 2 Üniversitenin Altyaps 0,14 0,5 1 0,33 2 0,5 0,5 Fiziki konumu 0,2 3 3 1 4 3 3 Firmalarla sinerji ve ortak proje 0,13 0,5 0,5 0,25 1 2 0,5 Proje Konusu 0,14 0,5 2 0,33 0,5 1 0,5 Teknokentin mis-yonu 0,14 0,5 2 0,33 2 2 1
Tablo 13’de kriterlerle ilgili karúlaútrma matrisinin AHP algoritmasnda bulunan ikinci adm olan normalize edilmiú hali ve kriter a÷rlklar görülmektedir. Cyberpark firmalar için kuruluú yeri teknokent seçiminde en önemli kriter; “Kira bedeli” kriteridir. Söz konusu kriterin 0,50 olan a÷rl÷nn di÷er kriterlere göre oldukça yüksek çkt÷ görülmektedir. Tablo 13: Normalize Karúlaútrma Matrisi (Cyberpark)
Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu w Kira bedeli 0,54 0,6 0,4 0,66 0,41 0,4 0,48 0,5 Hizmetler sunmas 0,06 0,07 0,11 0,04 0,1 0,11 0,14 0,09 Üniversitenin Altyaps 0,08 0,03 0,06 0,04 0,1 0,03 0,03 0,05 Fiziki konumu 0,11 0,2 0,17 0,13 0,21 0,17 0,21 0,17 Firmalarla sinerji ve ortak proje 0,07 0,03 0,03 0,03 0,05 0,11 0,03 0,05 Proje Konusu 0,08 0,03 0,11 0,04 0,03 0,06 0,03 0,06 Teknokentin misyonu 0,08 0,03 0,11 0,04 0,1 0,11 0,07 0,08
Matrisin tutarll÷, yukarda AHP algoritmasnn anlatld÷ bölüm 3.1.deki hesaplamalar yardmyla bulunur.
de÷eri 0,058 < 0,1 oldu÷u için a÷rlklar tutarldr.
baúlangç matrisinde de görüldü÷ü üzere, Cyberpark ve ODTÜ Teknokent’in kriterlere göre birbirine yakn ve yüksek puanlar ald÷ görülmektedir. Tablo 14’de Cyberpark’ta faaliyet gösteren firmalardan alnan veriler ve puanlamalar vastasyla oluúan kriterlere ait eúik de-÷erlere bakld÷nda, örne÷in, “Kira bedeli” kriterine göre iki alternatif arasndaki skor fark, veto eúi÷ini (25) geçerse kira bedeli düúük olan alternatif, kira bedeli yüksek olan alternatifi veto edip eleyecektir.
Tablo 14: Cyberpark Baúlangç Matrisi
CYBERPARK Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu Hacettepe Teknokent 30 3,559 3,603 3,221 3,338 3,676 3,485 Gazi Teknokent 25 3,382 3,382 2,794 3,103 3,515 3,279 ODTÜ Teknokent 30 3,824 3,956 3,353 3,941 4,103 3,574 Ankara Üniversi-tesi TGB 30 3,118 3,206 2,662 3,044 3,324 2,985 Cyberpark 50 4,074 4,103 3,485 3,941 4,059 3,853 q (Farkszlk eúi÷i) 10 0,4 0,4 0,4 0,45 0,35 0,35 V (Veto eúi÷i) 25 1,5 1,5 1,5 1,5 1,5 1,5 P (Tercih eúi÷i) 20 1 1 1 1 1 1 w (ODTÜ a÷rlk) 0,498 0,091 0,054 0,171 0,052 0,055 0,079 Standart Sapma 9,75 0,37 0,38 0,36 0,44 0,34 0,33 Kredibilite matrisi
Tablo 15’deki “Kredibilite Matrisi”ne göre “ODTÜ Teknokent, di÷er teknokentlere göre daha iyidir” ifadesi 1,00 puan alarak di÷er teknokentlere göre %100 üstünlük sa÷lad÷ gö-rülmektedir.
Kredibilite Matrisine göre, örne÷in;
“Ankara Üniversitesi TGB, Hacettepe Teknokent’den üstündür”, ifadesi 0,93, “Hacettepe Teknokent, Cyberpark’tan üstündür” ifadesi 0,95,
“Cyberpark, ODTÜ Teknokent’den üstündür” ifadesi 0,50,
“Gazi Teknokent, Hacettepe Teknokent’den üstündür” ifadesi 0,99, ifadesi ise 1,00 orannda kabul görmüútür.
Tablo 15: Kredibilite Matris Cyberpark
Hacettepe Gazi ODTÜ Ankara
TGB Cyberpark Hacettepe --- 1 0,98 1 0,95 Gazi 0,99 --- 0,88 1 0,76 ODTÜ 1 1 --- 1 1 Ankara TGB 0,93 1 0,73 --- 0,61 Cyberpark 0,5 0 0,5 0,5 ---
Tablo 16’da Cyberpark’ta faaliyet gösteren firmalarn kuruluú yeri için tercih sralamalar görülmektedir. Tabloya göre, Cyberpark’ta faaliyet gösteren firmalar, e÷er mevcut tecrübe ve görüúlerine göre yeniden kuruluú yeri seçimi yapacak olsalard öncelikle ODTÜ Teknokent’i tercih edecekleri anlaúlmaktadr. økinci srada Hacettepe Teknokent yer alr-ken üçüncü srada Gazi Teknoalr-kent gelmektedir. Son iki srada Ankara Üniversitesi TGB ve Cyberpark bulunmaktadr.
Tablo 16: Final Sralama Cyberpark Sra No Teknokentin øsmi 1 ODTÜ 2 Hacettepe 3 Gazi 4 Ankara TGB 5 Cyberpark
Tablo 14’te baúlangç matrisinde de görüldü÷ü üzere Cyberpark, ODTÜ Teknokentle bera-ber en yüksek skorlar almasna ra÷men kira bedeli kriterinin veto eúik de÷erine taklmas ve kira bedeli kriterinin a÷rl÷nn çok yüksek olmas nedeniyle, Cyberpark alt sralara ge-rilemiútir.
Kira bedeli kriterinde Gazi Teknokent, Hacettepe Teknokenti geçmiú olmasna ra÷men di-÷er kriterlerin Hacettepe Teknokent tarafndan daha tatmin edici olmas, Hacettepe Teknokenti, Gazi Teknokentin üzerine taúmútr úeklinde yorumlanabilir.
Ankara Üniversitesi TGB’nin yeni kurulmuú bir teknokent olmas ve Ankara içersindeki fiziki konum olarak di÷er teknokentlere göre tercih edilmemiú olmas Ankara Üniversitesi
TGB’nin alt sralarda yer almasna neden oldu÷u düúünülebilir. “Teknokentin Ankara içer-sindeki fiziki konumu” kriterinin a÷rl÷nn yüksek olmas ve Ankara TGB’nin bu kriter-den düúük puan almas da bu yargy desteklemektedir.
Gazi Teknokent’te Faaliyet Gösteren Ar-Ge Firmalarna Yönelik Uygulama
Gazi Teknokent’te örneklem olarak seçilen 30 firmadan alnan verilerin AHP yönteminin ilk adm olan kriterlerin ikili karúlaútrma matrisi Tablo 17’de görülmektedir.
Tablo 17: Gazi Teknokent için Kriterlerin økili Karúlaútrmas Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu Kira bedeli 1 2 9 3 7 9 8 Hizmetler sun-mas 0,5 1 8 2 6 7 6 Üniversitenin Altyaps 0,11 0,13 1 0,11 0,5 3 0,5 Fiziki konumu 0,33 0,5 9 1 7 7 6 Firmalarla si-nerji ve ortak proje 0,14 0,17 2 0,14 1 4 0,5 Proje Konusu 0,11 0,14 0,33 0,14 0,25 1 0,25 Teknokentin misyonu 0,13 0,17 2 0,17 2 4 1
Tablo 18’de Gazi Teknokent’e ait kriterlerle ilgili karúlaútrma matrisinin AHP algoritma-snda bulunan ikinci adm olan normalize edilmiú hali ve kriter a÷rlklar görülmektedir. Söz konusu tabloda ayn zamanda kriter a÷rlklar da verilmiútir.
Tablo 18: Normalize Karúlaútrma Matrisi (Gazi Teknokent) Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu w Kira bedeli 0,43 0,49 0,29 0,46 0,29 0,26 0,36 0,37 Hizmetler sunmas 0,22 0,24 0,26 0,3 0,25 0,2 0,27 0,25 Üniversitenin Altyaps 0,05 0,03 0,03 0,02 0,02 0,09 0,02 0,04 Fiziki konumu 0,14 0,12 0,29 0,15 0,29 0,2 0,27 0,21 Firmalarla sinerji ve ortak proje 0,06 0,04 0,06 0,02 0,04 0,11 0,02 0,05 Proje Konusu 0,05 0,03 0,01 0,02 0,01 0,03 0,01 0,02 Teknokentin misyonu 0,05 0,04 0,06 0,03 0,08 0,11 0,04 0,06
Matrisin tutarll÷, yukarda AHP algoritmasnn anlatld÷ bölüm 3.1.deki hesaplamalar yardmyla bulunur.
de÷eri 0,067 < 0,1 oldu÷u için a÷rlklar tutarldr.
Tablo 19’da Gazi Teknokent’te faaliyet gösteren firmalardan alnan veriler ve puanlama-larla oluúan baúlangç matrisi görülmektedir. Tabloda, ODTÜ Teknokent’in kriterlere göre a÷rlkl olarak en yüksek puanlar ald÷ görülmektedir. Gazi Teknokent’teki firmalar ku-ruluú yeri için teknokent seçiminde en önemli kriter olarak; “Kira bedeli” kriterini belirle-miúlerdir. Bunun yan sra, “Teknokentin Ankara içersindeki fiziki konumu” ve “Teknokentin uluslararas rekabet imkân sa÷layacak kalitede firmalara profesyonel hiz-metler sunmas” kriterlerleri de Gazi Teknokent’teki firmalar tarafndan teknokent kuruluú yeri seçimi için önemli kriterler oldu÷u görülmektedir.
Tablo 19’da ayn zamanda her kriter için belirlenmiú olan eúik de÷erler de görülmektedir. Gazi Teknokent’te faaliyet gösteren firmalardan alnan veriler ve puanlamalar vastasyla oluúan kriterlere ait eúik de÷erlere bakld÷nda, örne÷in, “Teknokentin Ankara içersindeki fiziki konumu” kriterine göre iki alternatif arasndaki skor fark, farkszlk eúik de÷eri (0,7) ile tercih eúik de÷eri (1,5) arasnda bir de÷er çkarsa, skor de÷eri büyük olan alternatifin di÷erine zayf üstünlük kurdu÷u sonucuna varlacaktr.
Tablo 19: Gazi Teknokent Baúlangç Matrisi
GAZø TEKNOKENT Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu Hacettepe Teknokent 30 3,233 3,5 3,233 3,1 3,433 3,407 Gazi Teknokent 25 3,033 3,333 2,667 3,467 3,733 3,407 ODTÜ Teknokent 30 4,167 3,967 4 4,433 4,033 3,556 Ankara Üniversitesi TGB 30 2,767 2,733 2,3 2,8 3,133 2,741 Cyberpark 50 3,9 3,733 3,233 3,967 3,733 3,704 q (Farkszlk eúi÷i) 10 0,6 0,5 0,7 0,7 0,35 0,4 V (Veto eúi÷i) 25 1,5 1,5 2 2 1,5 1,5 P (Tercih eúi÷i) 20 1 1 1,5 1,5 1 1 w (ODTÜ a÷rlk) 0,368 0,249 0,037 0,21 0,052 0,024 0,061 Standart Sapma 9,75 0,59 0,47 0,65 0,66 0,34 0,37
Kredibilite matrisi
Tablo 20’deki “Kredibilite Matrisi”ne “ODTÜ Teknokent, di÷er teknokentlere göre daha iyidir” ifadesi 1,0 puan alarak di÷er teknokentlere göre %100 üstünlük sa÷lad÷ görül-mektedir.
Kredibilite Matrisine göre; örne÷in,
“Ankara Üniversitesi TGB, Cyberpark’tan üstündür” ifadesi 0,56, “Hacettepe Teknokent, Cyberpark’tan üstündür” ifadesi 0,95, “Gazi Teknokent, ODTÜ Teknokent’den üstündür” ifadesi 0,56,
“Cyberpark, Gazi Teknokent’den” ifadesi 0,00, orannda kabul görmüútür. Tablo 20: Kredibilite Matris Gazi Teknokent
Hacettepe Gazi ODTÜ Ankara
TGB Cyberpark Hacettepe --- 1 0,72 1 0,95 Gazi 1 --- 0,56 1 0,83 ODTÜ 1 1 --- 1 1 Ankara TGB 0,89 0,96 0,11 --- 0,56 Cyberpark 0,63 0 0,61 0,63 ---
Tablo 21’de Gazi Teknokent’te faaliyet gösteren firmalarn kuruluú yeri için tercih srala-malar görülmektedir. Gazi Teknokent’te faaliyet gösteren firmalar, yeniden bir kuruluú yeri seçecek olsalard öncelikle ODTÜ Teknokent’i tercih edecekleri anlaúlmaktadr. Tab-loda, ikinci srada Hacettepe Teknokent, üçüncü srada Gazi Teknokent gelmektedir. Son iki srada Ankara Üniversitesi TGB ve Cyberpark bulunmaktadr.
Tablo 21: Final Sralama Gazi Teknokent Sra No Teknokentin øsmi 1 ODTÜ 2 Hacettepe 3 Gazi 4 Ankara TGB 5 Cyberpark
Gazi Teknokent firmalarnn, ODTÜ Teknokent’i kuruluú yeri olarak ilk srada tercih et-tikleri baúlangç matrisinde görülmektedir. Fakat Cyberpark, kriterlere göre yüksek puanlar almasna ra÷men final sralamasnda alt sralara gerilemiútir. Bunun baúlca nedeni, kira be-deli kriterinde Gazi Teknokent tarafndan veto edilmiú olmasdr. Gazi Teknokent firmalarnn sektörel da÷lmna bakld÷nda a÷rlkl olarak Biliúim-Yazlm-Enformasyon sektöründe çalúan firmalardan oluútu÷u görülmektedir. Biliúim-Yazlm sektörü konusunda ODTÜ Teknokent’in pek çok firmaya sahip olmas, bu sektördeki firmalarn ODTÜ Teknokent’te çok sayda olmas ve sinerji oluúma úansnn yüksek olmas ODTÜ Teknokent’in kuruluú yeri olarak di÷er teknokentlere göre üstünlük sa÷lamasna neden oldu÷u düúünülmektedir. Ofis kira bedeli kriterinde, Gazi Teknokent’in kira bedelinin di÷er teknokentlere göre düúük olmas ve kira bedeli kriter a÷rl÷nn yüksek olmas, final sralamasn etkiledi÷i düúünül-mektedir. Ankara Üniversitesi TGB’nin ise, “Teknokentin Ankara içersindeki konumu” kriterinin a÷rl÷nn yüksek olmas ve bu kriterden yüksek puan alamamas final sralama-snda Ankara Üniversitesi TGB’yi alt sralara itti÷i görülmektedir. Bunda, Ankara Üniver-sitesi TGB’nin kuruluú tarihi olarak di÷er teknokentlerden sonra kurulan bir teknokent ol-mas nedeniyle kriterlere göre puanlamada geride kald÷ düúünülmektedir.
Ankara TGB’de Faaliyet Gösteren Ar-Ge Firmalarna Yönelik Uygulama
Tablo 22’de Ankara Üniversitesi TGB’de faaliyet gösteren örneklem olarak seçilen 15 fir-madan alnan verilerin AHP yönteminin ilk adm olan kriterlerin ikili karúlaútrma görül-mektedir.
Tablo 22: Ankara TGB Teknokent için Kriterlerin økili Karúlaútrmas
Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu Kira bedeli 1 5 9 6 4 5 6 Hizmetler sunmas 0,2 1 3 0,5 5 2 2 Üniversitenin Altyaps 0,11 0,33 1 0,33 0,5 0,25 0,33 Fiziki konumu 0,17 2 3 1 3 3 3 Firmalarla sinerji ve ortak proje 0,25 0,2 2 0,33 1 0,5 0,33 Proje Konusu 0,2 0,5 4 0,33 2 1 0,25 Teknokentin misyonu 0,17 0,5 3 0,33 3 4 1
Tablo 23’de kriterlerle ilgili karúlaútrma matrisinin AHP algoritmasnda bulunan ikinci adm olan normalize edilmiú hali ve kriter a÷rlklar görülmektedir. Tabloya göre “Kira be-deli” kriteri Ankara Üniversitesi TGB firmalarna göre en önemli kriter olarak seçilmiútir. Tablo 23: Normalize Karúlaútrma Matrisi (Ankara TGB)
Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu w Kira bedeli 0,48 0,52 0,36 0,68 0,22 0,32 0,46 0,43 Hizmetler sunmas 0,1 0,1 0,12 0,06 0,27 0,13 0,15 0,13 Üniversitenin Altyaps 0,05 0,03 0,04 0,04 0,03 0,02 0,03 0,03 Fiziki konumu 0,08 0,21 0,12 0,11 0,16 0,19 0,23 0,16 Firmalarla sinerji ve ortak proje 0,12 0,02 0,08 0,04 0,05 0,03 0,03 0,05 Proje Konusu 0,1 0,05 0,16 0,04 0,11 0,06 0,02 0,08 Teknokentin misyonu 0,08 0,05 0,12 0,04 0,16 0,25 0,08 0,11
Matrisin tutarll÷, yukarda AHP algoritmasnn anlatld÷ bölüm 3.1.deki hesaplamalar yardmyla bulunur.
de÷eri 0,097 < 0,1 oldu÷u için a÷rlklar tutarldr.
Tablo 24’de, Ankara Üniversitesi TGB’de faaliyet gösteren firmalardan alnan veriler ve puanlamalarla oluúan baúlangç matrisi görülmektedir. Tabloya göre, Ankara Üniversitesi TGB’de faaliyet gösteren firmalar, teknokent kuruluú yeri kriterlerinde en yüksek puanlar Cyberpark’a vermiúlerdir. Teknokent kuruluú yeri seçimi için en önemli kriter olarak da, 0,434 a÷rlk ile “Kira bedeli” kriterini belirlemiúlerdir.
Tablo 24’de Ankara Üniversitesi TGB’de faaliyet gösteren firmalardan alnan veriler ve puanlamalar vastasyla oluúan kriterlere ait eúik de÷erlere bakld÷nda, örne÷in, “Teknokentin Ankara içersindeki fiziki konumu” kriteri için karúlaútrmas yaplan iki al-ternatif arasndaki skor fark, tercih eúik de÷eri (1,0) ile veto eúik de÷eri (1,5) arasnda bir de÷er çkarsa, skor de÷eri büyük olan alternatifin di÷erine kuvvetli üstünlük kurdu÷u sonu-cuna varlacaktr.
Tablo 24: Ankara Üniversitesi TGB Baúlangç Matrisi ANKARA TGB Kira bedeli Hizmetler sunmas Üniversitenin Altyaps Fiziki konumu Firmalarla sinerji ve ortak proje Proje Konusu Teknokentin misyonu Hacettepe Teknokent 30 3,333 3,067 2,533 2,867 3,333 2,867 Gazi Teknokent 25 2,933 2,6 2,867 2,867 3 3,067 ODTÜ Teknokent 30 3,933 3,667 3,467 3,6 3,933 3,533 Ankara Üniversitesi TGB 30 2,933 3,067 2,8 2,8 3,267 2,933 Cyberpark 50 4,2 4 3,267 3,933 4 3,667 q (Farkszlk eúi÷i) 10 0,6 0,6 0,4 0,55 0,45 0,4 V (Veto eúi÷i) 25 1,5 1,5 1,5 1,5 1,5 1,5 P (Tercih eúi÷i) 20 1 1 1 1 1 1 w (ODTÜ a÷rlk) 0,434 0,133 0,033 0,158 0,053 0,077 0,112 Standart Sapma 9,75 0,58 0,55 0,38 0,52 0,44 0,36 Kredibilite matrisi
Tablo 25’deki “Kredibilite Matrisi”ne göre “ODTÜ Teknokent, di÷er teknokentlere göre daha iyidir” ifadesi 1,00 puan alarak di÷er teknokentlere göre %100 üstünlük sa÷lad÷ gö-rülmektedir.
Kredibilite Matrisine göre, örne÷in;
“Ankara Üniversitesi TGB, Gazi Teknokent’den üstündür” ifadesi 1,00 “Hacettepe Teknokent, Cyberpark’tan üstündür” ifadesi 0,64,
“Cyberpark, ODTÜ Teknokent’den üstündür” ifadesi 0,57,
“Gazi Teknokent, Hacettepe Teknokent’den üstündür” ifadesi ise 1,00, orannda kabul görmüútür.
Tablo 25: Kredibilite Matris Ankara Üniversitesi TGB
Hacettepe Gazi ODTÜ Ankara
TGB Cyberpark Hacettepe --- 1 0,77 1 0,64 Gazi 1 --- 0,68 1 0,4 ODTÜ 1 1 --- 1 1 Ankara TGB 1 1 0,7 --- 0,67 Cyberpark 0,57 0 0,57 0,57 ---
Ankara Üniversitesi TGB’de faaliyet gösteren firmalarn, e÷er yeniden kuruluyor olsalar idi, kuruluú yeri seçimi için ilk srada ODTÜ Teknokent’i tercih ettikleri final tablosu olan Tablo 26’da görülmektedir. Gazi Teknokent ikinci srada, Ankara Üniversitesi TGB ve Ha-cettepe Teknokent üçüncü srada yer almaktadr. Cyberpark’n ise sralamada dördüncü ve son srada oldu÷u görülmektedir.
Tablo 26: Final Sralama Ankara Üniversitesi TGB Sra No Teknokentin øsmi
1 ODTÜ 2 Gazi
3 Hacettepe, Ankara TGB 4 Cyberpark
Ankara Üniversitesi TGB’de faaliyet göstermekte olan iúletmelerin büyük ço÷unlu÷u bili-úim-yazlm sektöründe faaliyet göstermektedir. ODTÜ Teknokentte, bilibili-úim-yazlm sektö-ründe uzmanlaúmú çok sayda firma olmas ve sinerji oluúturabilecek bir ortam oldu÷unu düúündükleri için kuruluú yeri olarak ODTÜ Teknokenti tercih ettikleri úeklinde yorum-lanmútr. Baúlangç matrisinde kriterlerin ald÷ puanlara bakld÷nda, Cyberpark’n ODTÜ Teknokent’ten daha yüksek puanlar almú olmasna ra÷men final sralamasnda alt sraya gerilemesinin en önemli nedeni, kira bedeli kriterinde veto eúik de÷erine taklmas olarak düúünülmektedir. Gazi Teknokent’in kira bedeli kriter a÷rl÷nn yüksek olmas ile birlikte ofis kira bedelinin di÷er teknokentlere göre düúük olmas Gazi Teknokent açsndan büyük bir avantaj oldu÷u söylenebilir ve bu durum Gazi Teknokent’i sralamada ikincili÷e yükseltmiútir. Ankara Üniversitesi TGB, kriterler açsndan Hacettepe Teknokent ile yakn puanlar almú ve üçüncü sray Hacettepe Teknokent’le paylaúmúlardr.
5. SONUÇ VE ÖNERøLER
Bu araútrma Ar-Ge projeleri yapan yenilikçi iúletmelerin teknokentlerdeki kuruluú yeri seçimi problemi için optimal çözümün “Hiyerarúik Electre Yöntemi” kullanlarak bulun-mas amacyla hazrlanmútr. Bunun için Ankara’da faaliyet gösteren Teknokent firmalar üzerinde bir uygulama yaplmútr.
Ar-Ge ve inovasyona verilen önemin artmas, günümüzde teknokentlerin saysnn hzla artmasn sa÷lamútr. Teknokentler, üniversite-sanayi iúbirli÷inin tesis edildi÷i, yenilikçi ve katma de÷eri yüksek projelerin yapld÷ mekânlardr. Teknokentte faaliyet göstermek iste-yen firmalar için, teknokentin ve üniversitenin altyaps, firmalara sundu÷u imkânlar, üni-versitedeki ö÷retim elemanlarnn yapt÷ projeler vb. konular önem arz etmektedir. Bu
