📋 İçindekiler
1. Neden MCDM (Multi-Criteria Decision Making)
Gerçek dünyada kararlar asla tek kriterli değildir. Fabrika yeri seçiminde maliyet, liman yakınlığı, işgücü kalitesi, deprem riski, teşvikler gibi 5-10 kriter aynı anda değerlendirilmelidir. İnsan beyni 3'ten fazla kriteri aynı anda tutarlı karşılaştıramaz.
| Karar Tipi | Kriter Sayısı | Zorluk | Çözüm |
|---|---|---|---|
| Tek Kriterli | 1 | Kolay | Basit sıralama |
| Çok Kriterli (MCDM) | 3-10 | Orta | AHP, TOPSIS |
| Çok Amaçlı (MODM) | 2-5 amaç fonksiyonu | Zor | Goal Programming |
| Belirsizlik altında | Kriter + belirsizlik | Çok zor | Fuzzy MCDM |
2. MCDM Yöntem Sınıflandırma
| Grup | Yöntemler | Yaklaşım |
|---|---|---|
| Değer fonksiyonu | AHP, ANP, MAVT | Ağırlıklı toplam skor |
| Uzaklık tabanlı | TOPSIS, VIKOR | İdeal çözüme en yakın |
| Baskınlık tabanlı | ELECTRE, PROMETHEE | İkili baskınlık ilişkisi |
| Bulanık (Fuzzy) | Fuzzy AHP, Fuzzy TOPSIS | Dilsel değişkenler (yaklaşık) |
3. AHP — Detaylı Hesaplama (Fabrika Yeri Seçimi)
Saaty 1-9 Skalası:
1 = Eşit önem | 3 = Biraz daha önemli | 5 = Oldukça önemli
7 = Çok daha önemli | 9 = Mutlak derecede önemli
2, 4, 6, 8 = Ara değerler
1 = Eşit önem | 3 = Biraz daha önemli | 5 = Oldukça önemli
7 = Çok daha önemli | 9 = Mutlak derecede önemli
2, 4, 6, 8 = Ara değerler
3.1 Hiyerarşi: Fabrika Yeri Seçimi
Hedef: En uygun fabrika yerini seç
Kriterler: Maliyet (C1), Liman Uzaklığı (C2), İşgücü (C3), Teşvik (C4)
Alternatifler: Bursa, Manisa, Konya
Kriterler: Maliyet (C1), Liman Uzaklığı (C2), İşgücü (C3), Teşvik (C4)
Alternatifler: Bursa, Manisa, Konya
3.2 İkili Karşılaştırma Matrisi
| Maliyet | Liman | İşgücü | Teşvik | |
|---|---|---|---|---|
| Maliyet | 1 | 3 | 5 | 7 |
| Liman | 1/3 | 1 | 3 | 5 |
| İşgücü | 1/5 | 1/3 | 1 | 3 |
| Teşvik | 1/7 | 1/5 | 1/3 | 1 |
| Sütun Top. | 1.676 | 4.533 | 9.333 | 16 |
Normalize → Ağırlıklar (özvektör):
Maliyet: (0.597+0.662+0.536+0.438)/4 = 0.558 (%55.8)
Liman: (0.199+0.221+0.321+0.313)/4 = 0.263 (%26.3)
İşgücü: (0.119+0.074+0.107+0.188)/4 = 0.122 (%12.2)
Teşvik: (0.085+0.044+0.036+0.063)/4 = 0.057 (%5.7)
Maliyet: (0.597+0.662+0.536+0.438)/4 = 0.558 (%55.8)
Liman: (0.199+0.221+0.321+0.313)/4 = 0.263 (%26.3)
İşgücü: (0.119+0.074+0.107+0.188)/4 = 0.122 (%12.2)
Teşvik: (0.085+0.044+0.036+0.063)/4 = 0.057 (%5.7)
4. Tutarlılık Oranı (CR) — Yalan Makinesi
Tutarlılık Hesabı:
λmax = 4.118
CI = (λmax − n) / (n − 1) = (4.118 − 4) / 3 = 0.039
RI(4) = 0.90 (Saaty rastgele indeks tablosu)
CR = CI / RI = 0.039 / 0.90 = 0.044 < 0.10 ✅ Tutarlı!
Eğer CR > 0.10 çıksaydı → "Karar verici çelişiyor, matrisi düzelt!"
λmax = 4.118
CI = (λmax − n) / (n − 1) = (4.118 − 4) / 3 = 0.039
RI(4) = 0.90 (Saaty rastgele indeks tablosu)
CR = CI / RI = 0.039 / 0.90 = 0.044 < 0.10 ✅ Tutarlı!
Eğer CR > 0.10 çıksaydı → "Karar verici çelişiyor, matrisi düzelt!"
4.1 Rastgele İndeks (RI) Tablosu
| n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
|---|---|---|---|---|---|---|---|---|---|---|
| RI | 0.00 | 0.00 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
5. TOPSIS — İdeal Çözüme Uzaklık
| Şehir | Maliyet (w=0.558) | Liman (w=0.263) | İşgücü (w=0.122) | Teşvik (w=0.057) | d⁺ | d⁻ | CC | Sıra |
|---|---|---|---|---|---|---|---|---|
| Bursa | 7 | 9 | 8 | 6 | 0.031 | 0.092 | 0.748 | 1 ✅ |
| Manisa | 8 | 6 | 7 | 8 | 0.055 | 0.068 | 0.553 | 2 |
| Konya | 9 | 3 | 6 | 9 | 0.089 | 0.048 | 0.350 | 3 |
6. ELECTRE ve PROMETHEE
| Özellik | ELECTRE | PROMETHEE |
|---|---|---|
| Yaklaşım | Concordance/Discordance | Preference fonksiyonu |
| Çıktı | Baskın olmayan seti eler | Tam sıralama (net akış) |
| Eşik değer | c, d eşik parametreleri | 6 farklı tercih fonksiyonu |
| Kullanım | Kabul/red kararları | Çevresel, stratejik |
7. Bulanık (Fuzzy) MCDM
Neden Fuzzy
Normal AHP: "Maliyet liman yakınlığından 3 kat önemli" (kesin)
Fuzzy AHP: "Yaklaşık 2 ile 4 arası önemli" → (2, 3, 4) üçgensel bulanık sayı
Avantaj: Belirsizlik ve subjektifliği modelliyor
Dezavantaj: Hesaplama karmaşıklığı artıyor
Normal AHP: "Maliyet liman yakınlığından 3 kat önemli" (kesin)
Fuzzy AHP: "Yaklaşık 2 ile 4 arası önemli" → (2, 3, 4) üçgensel bulanık sayı
Avantaj: Belirsizlik ve subjektifliği modelliyor
Dezavantaj: Hesaplama karmaşıklığı artıyor
8. Hibrit Yaklaşımlar
| Hibrit Model | Ağırlık | Sıralama | Avantaj |
|---|---|---|---|
| AHP-TOPSIS | AHP | TOPSIS | En popüler, güvenilir |
| Fuzzy AHP-VIKOR | Fuzzy AHP | VIKOR | Belirsizlik + uzlaşma |
| ANP-ELECTRE | ANP (ağ) | ELECTRE | Kriter etkileşimi |
| BWM-TOPSIS | BWM | TOPSIS | Daha az karşılaştırma |
9. MCDM Yazılımları
| Yazılım | Yöntemler | Lisans |
|---|---|---|
| Expert Choice | AHP | Ticari |
| Super Decisions | ANP/AHP | Ücretsiz (akademik) |
| Visual PROMETHEE | PROMETHEE | Akademik ücretsiz |
| Python (pyDecision) | 29+ yöntem | Açık kaynak |
| Excel | AHP, TOPSIS | Manuel kurulum |
10. Vaka Çalışması 1: Fabrika Yeri Seçimi — AHP-TOPSIS
🏭 Otomotiv Grubu — Yeni Fabrika Yeri Kararı
| Kriter | Ağırlık | Bursa | Manisa | Konya |
|---|---|---|---|---|
| Arazi+İnşaat Maliyeti | 0.30 | 6 | 7 | 9 |
| Liman Uzaklığı (ihracat) | 0.25 | 9 | 7 | 3 |
| Nitelikli İşgücü | 0.20 | 8 | 6 | 5 |
| Devlet Teşviki | 0.15 | 5 | 7 | 9 |
| Deprem Riski (düşük=iyi) | 0.10 | 4 | 6 | 8 |
Sonuç: TOPSIS CC skorları — Bursa: 0.72, Manisa: 0.65, Konya: 0.51. Bursa seçildi. Duyarlılık analizi: Liman ağırlığı %15'e düşürülürse Manisa 1. sıraya geçiyor → kriter ağırlığı kritik!
11. Vaka Çalışması 2: ERP Yazılım Seçimi
💻 İmalat Şirketi — ERP Seçimi (Fuzzy AHP-TOPSIS)
| Alternatif | CC Skoru | Sıra | Güçlü Tarafı |
|---|---|---|---|
| SAP S/4HANA | 0.78 | 1 ✅ | Sektör derinliği, global |
| Oracle Cloud | 0.71 | 2 | Veritabanı gücü |
| Microsoft D365 | 0.68 | 3 | Office entegrasyonu |
| Yerli ERP | 0.52 | 4 | Maliyet avantajı |
12. Sonuç
MCDM Uygulama Rehberi:
🎯 Problemi tanımla → Hedef + Kriterler + Alternatifler
📐 AHP ile ağırlıklandır → Saaty skalası + CR < 0.10
🎯 TOPSIS ile sırala → İdeal çözüme en yakın
🧪 Duyarlılık analizi yap → Ağırlıkları değiştir, sonuç değişiyor mu
🔄 Belirsizlik varsa → Fuzzy versiyonlarına geç
✅ Rapor yaz → Yönetim kuruluna matematiksel kanıt sun
🎯 Problemi tanımla → Hedef + Kriterler + Alternatifler
📐 AHP ile ağırlıklandır → Saaty skalası + CR < 0.10
🎯 TOPSIS ile sırala → İdeal çözüme en yakın
🧪 Duyarlılık analizi yap → Ağırlıkları değiştir, sonuç değişiyor mu
🔄 Belirsizlik varsa → Fuzzy versiyonlarına geç
✅ Rapor yaz → Yönetim kuruluna matematiksel kanıt sun