Çok Kriterli Karar Verme Teknikleri

Çok Kriterli Karar Verme Teknikleri

Çok Kriterli Karar Verme Teknikleri (ÇKKV)

Çok Kriterli Karar Verme teknikleri (ÇKKV) , 1960‟lı yıllarda karar verme işlemlerine yardımcı olacak bir takım tekniklere ihtiyaç duyulmasıyla birlikte geliştirilmeye başlanmıştır. Bir karar verme sorununda, seçenekler arasından bir seçimde bulunurken birçok kriterin (faktörün) göz önüne alınması gerekmektedir. ÇKKV yöntemleri, seçenek ve faktör sayılarının fazla olduğu durumlarda karar verme mekanizmasını kontrol altında tutabilmek ve karar sonucunu mümkün olduğu kadar kolay ve çabuk elde etmek amacıyla kullanılmaktadırlar.

ÇKKV tekniklerindeki en önemli husus, uygulamada kullanılan ölçümlerin kişisel tercihler ile bunların düzeylerini belirten öznellikler içermesidir. Tercihler ve beklentiler karar vericiden karar vericiye farklılıklar göstermektedir. Böylece karar çıktısı, karar vericinin amaç ve tercihleri doğrultusunda olmaktadır. Çünkü karar üzerinde etkisi bulunan her bir faktörün ağırlığı da karar vericinin tercih ve beklentilerince belirlenmektedir.

ÇKKV yöntemleri, somut ya da soyut pek çok nitelik ve/veya faktörün göz önüne alınarak çok sayıda potansiyel seçenek içerisinden karar vericinin amaç/amaçlarını en çok tatmin edecek olanın seçilmesi üzerine inşa edilmiştir. Bu yöntemlerin iki ana grupta toplanması mümkün olmaktadır: Çok Amaçlı Karar Verme (Multi Objective Decision Making) ve Çok Ölçütlü Karar Verme (Multi Attribute Decision Making).

Çok Amaçlı Karar Verme (ÇAKV), sürekli nitelik gösteren seçeneklerin söz konusu olduğu karar verme problemlerinde kullanılmakta ve seçenekler açık bir biçimde matematiksel denklemlerle ifade edilebilmektedirler. Daha çok tasarım ve eniyileme problemlerinde kullanılmaktadırlar.

Bu tekniklerin klasik doğrusal veya doğrusalolmayan eniyileme tekniklerinden farkı, tek bir amaç fonksiyonu yerine birden çok sayıda amaç fonksiyonu içermeleridir. Böylece karar probleminin en iyi çözümü, tüm amaç fonksiyonlarının birlikte en büyüklenmesi veya en küçüklenmesi haline gelmiş olmaktadır. ÇAKV tekniklerine şunlar örnek verilebilir.

Hedef Programlama ve Etkileşimli Hedef Programlama, Sistem Yöntemi, Zionts ve Wallenius Yöntemi, Steuer Yöntemi, Yedek Değer İkame Yöntemi, Etkileşimli Uzlaşık Programlama, Veri Zarflama Yöntemi, Geoffrion, Dyer ve Feinberg‟ Yöntemi, Wierzbicki’ nin Referans Noktası Yöntemi, Korhonen ve Laakso’ nun Referans Yönlendirme Yöntemi.

Çok Ölçütlü Karar Verme (ÇÖKV), kesikli özellik gösteren seçeneklerin söz konusu olduğu karar verme problemlerinde kullanılmakta ve seçenekler, belli sayıda tanımlanmış karar seçenekleri olmaktadır. Daha çok seçim, sıralama ve sınıflama amaçlarıyla kullanılmaktadırlar. ÇÖKV, çok sayıda çelişen özellik ile karakterize edilmiş olan mümkün tüm seçenekler içerisinden, karar vericinin değerlendirme, önceliklendirme ve seçimde bulunma yoluyla öznel tercihlerine dayalı bir karar vermesi mantığıyla çalışmaktadır.

ÇÖKV yöntemleri, birbirinin rakibi konumundaki seçeneklerin değerlendirilmesinde kullanılan bir yönetimsel karar aracıdır. Hwang ve Yoon 1995 senesinde yaptıkları bir sınıflandırmada 13 adet teknik belirtmektedirler.

ÇÖKV Tekniklerinin Sınıflandırılması;

Çok Kriterli Karar Verme teknikleri

Elmeri Gözlem Metodu

ELMERİ imalat sanayii için güvenilir bir İSG izleme aracıdır. Bütün sanayii sektörlerindeki her büyüklükteki ve her türlü işyeri için kullanması kolay ve hızlı bir araçtır. Bu yöntem atölyedeki koşulların gözlemini esas almaktadır. Gözlemi yapılan unsurlar, KKD’ lerin kullanımı, temizlik ve düzen, makine güvenliği, endüstriyel hijyen ve ergonomi gibi İSG konularının tamamını içermektedir. ELMERİ iş güvenliği performansının ölçülmesinde geçerli bir proaktif yöntemdir.

Gelecekte yaşanabilecek kazaların potansiyel nedenlerine işaret eder. ELMERİ, İSG yönetim sisteminin ne kadar etkin olduğuna dair sayısal bilgi sağlar. Gelişmeye yönelik ihtiyaçların belirlenmesine, hedeflerin konulmasına ve iş güvenliği alanında atılmış adımların sonuçlarının ölçülmesine yardımcı olur. ELMERİ yöntemi işyerinin mevcut iş güvenliği standardını göstererek bir güvenlik endeksi oluşturur. Güvenlik endeksi % 0 ila 100 arasında değişebilir.

Örneğin; %60’ lık bir endeks gözlenen her 100 unsurdan 60’ ı iş güvenliği standartları ve iyi işyeri uygulamalarıyla uyum içinde demektir. Her bir atölyedeki ya da gözlem için seçilen diğer alanlardaki tüm unsurlar gözlemlenir. Gözlemlenen unsurlar ya doğru ya da yanlış olarak değerlendirilir. Gözlemlenen unsurun yasaların ve ELMERİ gözlem kurallarının iyi işyeri uygulamaları olarak belirlediği asgari iş güvenliği koşullarını karşılaması durumunda bu unsur “doğru” olarak değerlendirilir; aksi takdirde “yanlış” olarak değerlendirilir.

Eğer izleme turu esnasında puanlanamayan bir unsur varsa ya da gözlemci herhangi bir unsuru nasıl puanlayacağı konusunda emin olamıyorsa, “gözlem yapılmadı” diye belirtilir.

Endüstriyel hijyen ölçümleri gibi özel tetkiklere kimi durumlarda değerlendirme yapılmadan önce ihtiyaç duyulabilir. ELMERİSAN güvenlik endeksi, seçilen tüm gözlem alanlarında gözlemlerin tamamlanmasının ardından hesaplanabilir. Güvenlik endeksi, doğru unsurların gözlemlenen tüm unsurlara göre yüzde olarak oranı şeklinde hesaplanır.

ELMERİ ENDEKSİ = Doğru Gözlemler/Doğru+Yanlış Gözlemler x 100 (%)

Formülü ile güvenlik endeksi hesaplanır.

Mağaza

DEMATEL Yöntemi (Decision Making and Trial Evaluation Laboratory)

Batelle Memorial Enstitüsü’nün Genova’ daki araştırma merkezinde geliştirilen bir yöntemdir.

“DEMATEL, kompleks faktörler arasında gelişi güzel ilişkileri içeren bir yapısal model kurulması ve analiz edilmesi konusunda çok başarılı sonuçlar verdiğinden özellikle Japonya’da çok popülerdir. DEMATEL sebep sonuç matrisi içinde faktörlerin birbirleriyle ne kadar etkileşimli olduğunu göstermektedir. Bu matriste sayıların ortalama değeri ne kadar yüksekse kriterler arasında o derece yakın bir ilişki var demektir.

DEMATEL Adımları :

  1. Belirlenen kriterler yatayda ve düşeyde yazılır. Daha sonra tüm kriterler arasındaki ilişkinin derecesine göre 0 – 4 arasında puanlandırılarak A başlangıç matrisi oluşturulur. Bu matris, n x n boyutundadır.
    1. DEMATEL Yöntemi Skalası;
Sayısal Değer Açıklama
0 Etkisiz
1 Düşük Etki
2 Orta Etki
3 Yüksek Etki
4 Çok Yüksek Etki

 

  1. Oluşturulan A başlangıç matrisi normalize edilerek X matrisi elde edilir.
  2. X matrisi de elde edildikten sonra faktörlerin birbirini toplam olarak ne kadar etkiledikleriyle ilgili T matrisi oluşturulabilir. T matrisi aşağıdaki (3) formül ile oluşturulur.
  3. Satır ve sütunların toplamı vektör D ve vektör R olarak (1) – (6) formülündeki gibi bulunur. Daha sonra D ve R toplanarak yatay vektör elde edilir. Bu vektör kriterlerin ne kadar öneme sahip olduğunu göstermektedir.D ve R birbirinden çıkarılarak dikey vektör oluşturulur. D-R sonucuna göre kriter cause veya effect grubuna gireceğine kararı verilir. D-R sonucu pozitif ise kriter cause grubunda, negatif ise effect grubundadır.

Bu 4 adımdan sonra aralarında ilişki olan kriterler belirlenmiş olacaktır.

 

Analitik Ağ Prosesi (AAP)

Son yıllarda karar verme problemlerinde önemli ölçüde kullanılan yöntemlerden biride Thomas L. Saaty tarafından geliştirilip literatüre kazandırılan Analitik Hiyerarşi Prosesi (AHP) yöntemidir. AHP karar verme problemlerini hiyerarşik bir yapıda tek yönlü olarak modellemekte ve en iyi kararın verilmesine etki eden faktörleri sistematik bir şekilde değerlendirerek, faktörlere ilişkin öncelik sıralarını belirlemektedir.

Bu süreçte AHP’ nin en önemli varsayımlarından biri aynı seviyede bulunan faktörlerin birbirinden bağımsız olması ve faktörlerin birbirine olan etkilerinin dikkate alınmamasıdır. Oysa gerçek hayatta karar verme problemlerini etkileyen birçok faktör birbiriyle etkileşim halinde bulunmakta ve en iyi kararın verilmesi faktörler arasındaki bu ilişkilerin dikkate alınmasını gerektirmektedir. Karar verme sürecinde faktörler arasındaki ilişkileri dikkate alan ve problemin tek bir yöne bağlı kalarak modelleme zorunluluğunu ortadan kaldıran yöntem yine Thomas L. Saaty tarafından geliştirilen Analitik Ağ Prosesi (AAP) yöntemidir.

AAP yönteminde karar verme problemi bir ağ yapısı ile modellenmekte, modelleme aşamasında faktörler arasındaki bağımlılıklar ve faktör içindeki iç bağımlılıklar dikkate alınmaktadır. AAP yöntemi bu yapısıyla karar verme problemlerinin daha etkin ve gerçekçi bir şekilde çözülmesini sağlamaktadır. AHP hiyerarşik ilişkileri tek yönlü bir iskelet ile gösterirken, AAP, karar seviyeleri ve özellikler arasında daha karmaşık ilişkilerin dikkate alınmasını sağlar.” Böylece karmaşık problemlerin kolay bir şekilde modellenmesini sağlar.

 

AAP ile karar problemlerinin çözümü dört ana adımın uygulanmasıyla yapılır;

Problemin tanımlanması ve modelin kurulması

Bu aşamada karar verme problemi açık bir şekilde tanımlanmalı ve ağ şeklinde rasyonel bir biçimde ayrıştırılmalıdır. Bu yapı beyin fırtınası ya da diğer ayırma metotları vasıtasıyla karar vericilerin fikirlerinden yararlanılarak elde edilebilir.

İkili karşılaştırma matrisleri ve öncelik vektörleri

AAP’ de, AHP’ de olduğu gibi her kararı etkileyen faktörler ikili karşılaştırmalara tabi tutulur, böylelikle faktörlerin önem ağırlıkları belirlenir. Karar vericiler ikili karşılaştırmalarda seri şekilde bir takım sorulara cevap vererek iki faktörü aynı zamanda karşılaştırır ve bunların hedefe olan katkılarının nasıl olduğunu belirler.

1 Eşit önemli İki seçenek eşit derecede öneme sahip
3 Biraz önemli Tecrübe ve yargı bir kriteri diğerine karşı biraz üstün kılmakta
5 Fazla önemli Tecrübe ve yargı bir kriteri diğerine karşı oldukça üstün kılmakta
7 Çok fazla önemli Bir kriter diğerine göre üstün sayılmıştır.
9 Aşırı derece önemli Bir kriterin diğerine üstün olduğunu gösteren kanıt çok büyük güvenirliğe sahiptir.
2,4,6,8 Ara değerler Uzlaşma gerektiğinde kullanılmak üzere iki ardışık yargı arasındaki değerler.

 

AHP’ de olduğu gibi AAP’ de de ikili karşılaştırmalar bir matris çatısı altında yapılır ve lokal öncelik vektörü Aw = Lenbw denkleminin çözülmesi ile elde edilen öz vektör ile belirlenir. Burada “A” ikili karşılaştırma matrisi, “w” öz vektör, Lenb ise A’ nın en büyük özdeğeridir. Saaty, w’ nin yaklaşık çözümü için normalleştirme algoritmasını önermiştir.

 

Süper matris oluşturulması

Birbirine bağımlı etkilerin bulunduğu bir sistemde global önceliklerin elde edilmesi için, lokal öncelik vektörleri süpermatris olarak bilinen bir matrisin kolonlarına tahsis edilerek yazılır. Sonuç olarak bir süpermatris gerçekte parçalı bir matristir ve buradaki her bir matris bölümü bir sistem içindeki iki faktör arasındaki ilişkiyi gösterir.

Elementlerin birbiri üzerindeki uzun dönemli nispi etkileri süpermatrisin kuvveti alınarak belirlenir. Önem ağırlıklarının bir noktada eşitlenmesini sağlamak için süpermatrisin (2k+1). kuvveti alınır, burada “k” rastgele seçilmiş büyük bir sayıdır ve elde edilen yeni matris limit süpermatris olarak isimlendirilir.

En iyi alternatifin seçilmesi

Limit süpermatris ile alternatiflere veya karşılaştırılan faktörlere ilişkin önem ağırlıkları belirlenmiş olur. Seçim probleminde en yüksek önem ağırlığına sahip olan alternatif en iyi alternatif, ağırlıklandırma probleminde ise en yüksek önem ağırlığına sahip olan faktör karar sürecini etkileyen en önemli faktördür.

Kaynak: Neden İş Güvenliği

Trakya Aluminyum

Tüm gönderilerini gör

Cevap bırakın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar zorunludur.

Sohbeti Başlat
1
Merhaba, Nasıl Yardımcı Olabiliriz?