KARAR ANALİZİ

Doç. Dr. Mehtap DURSUN

Mühendislik ve Teknoloji Fakültesi, Endüstri Mühendisliği Bölümü
Karar Teorisi

■ Belli teknikleri kapsayan matematiksel bir yaklaşım

■ Tekniklerden faydalanarak geleceğe ilişkin belirli bilinmezlikler altında en iyiyi seçme

sorunu

■ Yöneticiye “yani karar vericiye” rehberlik yapar

■ Problemin yapısını ortaya koyar, olası sonuçları değerlendirir

■ Seçenekler arasından “en iyisini” ortaya çıkarır

Doç. Dr. Mehtap Dursun 2

Kimler Karar Verir?

■Bireyler; karara ihtiyacı olanlar,

■Uzmanlar; ihtiyacı olanlara yardımcı olanlar

■Gruplar

Doç. Dr. Mehtap Dursun 3

Neden Karar Vermeliyiz?

■ Karar verememekten kaynaklanan kayıplar, yanlış karar vermekten kaynaklanan kayıplardan

daha büyüktür.
■ Hayat sabah kalktığımızdan, gece yatana kadar, yaptığımız seçimlerden ibarettir. Yumurtayı
nasıl yiyeceğimize, hangi kravatı takacağımıza, ne tip tavırlar takınacağımıza karar veririz.
■ Karar verme anındaki zorluk, o esnada lehte ve aleyhte olan bütün nedenleri akılda
tutamamaktan ileri gelir (Bilişsel kısıt).

Doç. Dr. Mehtap Dursun 4

 Karar Vermeyi Etkileyen Faktörler

■ Teknoloji / Bilgi / Bilgisayar

■ Yapısal Karışıklık / Rekabet

■ Uluslararası Pazarlar / Tüketim

■ Değişimler, Dalgalanmalar

■ Politik İstikrar / Düzen

Doç. Dr. Mehtap Dursun 5

Sistematik Karar Süreci Aşamaları

■ Problemin ve parametrelerinin (karar değişkenlerinin) tanımlanması

■ Karar ölçütlerinin (amaçlar) belirlenmesi
■ Parametrelerin ölçüt ile ilişkilendirilmesi
■ Parametre değerlerini değiştirmek suretiyle alternatifler oluşturulması
■ Alternatiflerin değerlendirilmesi ve ölçüt karşısında en iyi sonuç veren
alternatifin seçilmesi
■ Kararın uygulanması ve sonuçların izlenmesi

Doç. Dr. Mehtap Dursun 6

 Risk ve Belirsizlik

Karmaşık Karar
Problemi

Karar Problemi Alternatif Seçme

Modeli Yöntemleri

Karar Destek Sistemleri

Olası Çıktıların Değerlendirme
İfadesi

Karar Ağacı Karar Ölçütleri

Karar Tablosu

Ödemeler
Tablosu
Doç. Dr. Mehtap Dursun (Oyun Teorisi) 7
 Karar Alma Sürecindeki Gizli Tuzaklar

■ Çıpa tuzağı (Akla gelen ilk bilgiye takılıp kalmak),

■ Statüko tuzağı (mevcut durumdan vazgeçememe),
■ Batık maliyet tuzağı (Geçmişte hata yaptığımızı bir türlü
kabul etmemek),
■ Doğrulama tuzağı (istediklerimizi doğrulayan kanıtları
sorgulamadan kabul etme eğilimi),

Doç. Dr. Mehtap Dursun 8

İŞ KARARLARININ TİPİK ÖZELLİKLERİ
■ Çok sayıda ve birbirleri ile çelişen amaçlar/kriterler
■ Çok sayıda seçenek
■ Değerlendirmeye alınmamış seçenekler
■ Grup kararları
■ Grup üyelerinin fikir ayrılıkları
■ Sonuçların gelecekte alınması
■ Risk ve riske karşı tutum
■ Bilgi gereksinimi
■ Veri toplama ve işleme (zaman – maliyet)
■ Gereğinden fazla bilgi elde edilmesi
■ Ne-eğer (what-if) analizleri
■ Senaryolar
■ Deneme yanılma kayıpları, gerçek sistemde 1 kez deney yapabilme
■ Çevresel değişim ve baskı
■ Doç.
Zamanın Dr. Mehtap Dursun
etkisi 9
KARAR VERME
■ “Algılanan ihtiyaçlara özgü kasıtlı ve düşünceli seçim” (Kleindorfer
ve diğ., 1993)
■ “Karar Verici (KV)’nin mevcut tüm seçenekler arasından amacına
veya amaçlarına en uygun bir veya birkaç seçeneği seçme sürecine
girmesi” (Evren ve Ülengin, 1992)
■ En genel hali ile karar verme; KV’nin mevcut seçenekler arasından
bir seçim, sıralama ya da sınıflandırma yapması gibi bir sorunu
çözmesi sürecidir

Doç. Dr. Mehtap Dursun 10

NİÇİN KARAR DESTEK SİSTEMLERİ (KDS)
■ Artan karar sayısı ve karar süreci karmaşıklığı
– Ekonomik, teknolojik ve sosyo-ekonomik gelişimler
– Rekabet ortamı
– Küreselleşme
■ Bilgi bombardımanı altında kalan KV’ler
– İletişim ve bilişim teknolojisindeki gelişim
■ Yöneticilerin ve stratejik karar vericilerin verdikleri kararların fiziksel
ve organizasyonel çevremizi şekillendirmede rolü
■ KV’lere daha etkili ve verimli olmaları için yardımcı araçlar geliştirme

Doç. Dr. Mehtap Dursun 11

KDS NEDİR?

■ KV’lerin daha etkili ve verimli olmaları için geliştirilen bilgisayar

destekli araçlar (yüksek kullanım oranı)
■ Söz konusu sistemler gerek taktik gerekse stratejik düzeyde
yapılan karar verme fonksiyonunu hem kolaylaştırır hem de hız
kazandırır (Topcu, 1995)
■ “Karar verme sürecini hızlandıran ve kolaylaştıran sistemlere KDS
denilir”
■ Bilgisayar aracılığı ile karar yardımı yapan sistemler

Doç. Dr. Mehtap Dursun 12

KDS NEDİR?

■ “Temel olarak işletme içinde alınacak üst düzey kararların sağlıklı ve

gerekçeli alınmasını sağlayan yazılımlara KDS adı verilmektedir” (Holsapple
ve Whinston, 1992)

■ “KDS, değişik kaynaklardan topladığı bilgileri düzenleyerek, kararı

modelleyerek, bilgileri analiz ederek ve değerlendirme sonuçlarını sunarak
belirli modeller kullanımı ile karar vericiye seçim sırasında destek veren
bilgisayar temelli bir sistemdir” (Sauter, 1997)
■ “KDS, kullanıcının bilme ve kavrama ile ilgili bilişsel yeteneklerini
geliştirerek karar vermesine yardımcı olmak amacı ile özel olarak
tasarlanmış bir sistemdir” (Zachary, 1988)

Doç. Dr. Mehtap Dursun 13

KDS’NİN EKONOMİK YÖNÜ

■ KDS’nin maliyetleri: Ekonomik Kısıt

– Satın alma veya hazırlama maliyeti
– Öğrenme ve kullanma maliyeti
– Kullanılır halde tutma maliyeti

■ KDS’nin KV’ye sağladığı karar desteğinin yararı bu maliyetleri karşılıyorsa KDS

kullanımı o organizasyon için uygundur.

Doç. Dr. Mehtap Dursun 14

UYGULAMA ALANLARI

■ Gelir yönetimi ■ Dağıtım kanalları seçimi

■ Portföy yönetimi ■ Envanter yönetimi
■ Yatırım kararları ■ Proje yönetimi
■ Bütçe planlama ■ Satış analizi
■ Yeni ürün kararları ■ Tahmin
■ Üretim çizelgeleme ■ İşbirliği/uzlaşma
■ Üretim planlama ■ Hizmet dağıtımı
■ İşgücü planlaması ■ Atık yönetimi
■ İşyeri düzenleme ■ ... ... ...

İş, kamu yönetimi, araştırma alanlarında

Doç. Dr. Mehtap Dursun 15
TEMEL ÖZELLİKLER
■ Hem bireyi hem de grubu destekler
■ Karar verme sorununu modeller; ilgili verileri elde eder ve hazırlar;
modelleri çalıştırır; sonuçları yorumlar
■ Öznel ve/veya nesnel veri kullanabilir
■ Nicel ve nitel modeller kullanabilir
■ Web tabanlı olabilir
■ Ne-Eğer (What-If) analizleri yapar
■ Amaç arama (Goal seek) işlevi vardır
■ Risk analizleri yapar
■ Finansal fonksiyonlar içerir
■ Yönetim bilimi araçları içerir
■ Doç.Grafik üreteç içerir
Dr. Mehtap Dursun 16
MODEL ÇEŞİTLERİ

■ En iyileme (optimizasyon)
■ Karar Analizi
■ Tahmin
■ Simülasyon

Doç. Dr. Mehtap Dursun 17

GENEL YARARLAR

■ KDS temel olarak KV’nin bilgi sunma ve işleme

kapasitesi artar
■ KV, çok fazla zamanını alacak veya çözmekten
vazgeçeceği karışık ya da büyük bir sorunu KDS ile
çözebilir
■ Basit sorunlarda KV’ye oranla daha hızlı çözüme
giderler
■ KV, KDS’yi sorun çözümü yerine
– sorunla ilgili düşüncelerin tanımlanması ve analizi veya
– veri tabanında dolaşma ve araştırma yapmak
için kullanabilir
Doç. Dr. Mehtap Dursun 18
GENEL YARARLAR

■ Çözülmüş sorunların çözümlerini doğrulamak için

yararlanılabilir
■ KDS ile çalışan bir organizasyon diğer organizasyonlara
rekabet üstünlüğü sağlayabilir
■ Etkinliği ve üretkenliği arttırır
■ İletişimi kolaylaştırır
■ Kararın kalitesini ve tutarlılığını sağlar

Doç. Dr. Mehtap Dursun 19

KARAR ANALİZİNİN TEMEL ADIMLARI

■ Sorunun tanımlanması
■ Tüm olası seçeneklerin listelenmesi
■ KV’nin kontrolunda olmayan / doğanın sunduğu tüm olası olayların
listelenmesi
■ Her seçeneğin her olay için elde edeceği sonuçarı gösteren karar
tablosunun oluşturulması
■ Bir karar modelinin seçilmesi (doğa durumuna göre)
■ Modelin uygulanması ve bir seçeneğin seçilerek karar verilmesi

Doç. Dr. Mehtap Dursun 20

KARAR MODELLERİNİN SINIFLANDIRILMASI

■ Belirlilik Altında Karar Verme

■ Belirsizlik Altında Karar Verme
■ Risk Altında Karar Verme

Doç. Dr. Mehtap Dursun 21

BELİRSİZLİK ALTINDA KARAR VERME

■ İyimserlik (maksimaks) kriteri

■ Kötümserlik (maksimin) kriteri [Wald]
■ Uzlaşma kriteri [Hurwicz]
■ Eşolasılık kriteri [Laplace]

Doç. Dr. Mehtap Dursun 22

İYİMSERLİK (MAKSİMAKS) KRİTERİ

OLAYLAR
SEÇENEKLER Yüksek Talep Düşük Talep oi
Büyük fabrika kurma 200 -180 200
Küçük fabrika kurma 100 -20 100
Yatırım yapmama 0 0 0

Doç. Dr. Mehtap Dursun 23

KÖTÜMSERLİK (MAKSİMİN) KRİTERİ

OLAYLAR
SEÇENEKLER Yüksek Talep Düşük Talep si
Büyük fabrika kurma 200 -180 -180
Küçük fabrika kurma 100 -20 -20
Yatırım yapmama 0 0 0

Doç. Dr. Mehtap Dursun 24

UZLAŞMA KRİTERİ

m
maks {a ok + (1 – a) sk}
i =1

OLAYLAR Uzlaşık
SEÇENEKLER Yüksek Talep Düşük Talep değer
Büyük fabrika kurma 200 -180 380a-180
Küçük fabrika kurma 100 -20 120a-20
Yatırım yapmama 0 0 0

a = 0.8 için değerler: 124, 76, 0

Doç. Dr. Mehtap Dursun 25
EŞOLASILIK KRİTERİ

Olayların gerçekleşme olasılıklarının eşit olduğu varsayılır

Satır ortalaması en büyük olan seçenek seçilir

OLAYLAR Satır
SEÇENEKLER Yüksek Talep Düşük Talep ortalaması
Büyük fabrika kurma 200 -180 10
Küçük fabrika kurma 100 -20 40
Yatırım yapmama 0 0 0

Doç. Dr. Mehtap Dursun 26

RİSK ALTINDA KARAR VERME

■ Olasılık
– Objektif
– Sübjektif

Modeller
■ En Olası Olay Kriteri
■ Beklenen Değer Kriteri
■ Tam bilginin beklenen değeri

Doç. Dr. Mehtap Dursun 27

OBJEKTİF OLASILIK

Deney ve gözlemlere dayanılarak elde edilen olasılıktır.

Matematiksel ifade ile; n adet bağımsız ve özdeş deney tekrarı
sonucunda Q örnek uzayındaki bir A olayının geçekleşme sayısı n(A)
iken A nın olasılığı
P(A) = limit n(A) / n
n ®¥

şeklinde tanımlanır.

Doç. Dr. Mehtap Dursun 28

SÜBJEKTİF OLASILIK

Kişinin olayların göreli oluşma olasılıkları hakkındaki fikir, inanç ve

deneyimi ile var olan bilgilerin birleştirilmesine dayanılarak elde
edilen olasılıktır.
Uzman yargısıına başvurulur ve uzman dolaysız bir şekilde olasılıık
ataması yapar ya da
Kişi tecrübesiz veya konu hakkında fazla bilgiye sahip değilse dolaylı
olasılık ataması yapar.

Doç. Dr. Mehtap Dursun 29

EN OLASI OLAY KRİTERİ

Gerçekleşme olasılığı en büyük olan en olası olayla ilgilenilir.

Bu olay için en büyük getiriyi veren seçenek seçilir

q1 q2 q3
P(q) 2/9 3/9 4/9
a1 5 5 8
a2 3 3 9

Doç. Dr. Mehtap Dursun 30

BEKLENEN DEĞER KRİTERİ

Olayların gerçekleşme olasılıkları P(qj) iken j. olay için i. alternatifin

çıktı değeri vij ise i. seçeneğin beklenen değeri:
BD(ai) = åvj
ij P(qj)

Beklenen değeri en büyük olan seçenek seçilir.

OLAYLAR Beklenen
SEÇENEKLER Yüksek Talep Düşük Talep değer
Büyük fabrika kurma 200 -180 10
Küçük fabrika kurma 100 -20 40
Yatırım yapmama 0 0 0
Doç. Dr. Mehtap Dursun 31
 TAM BİLGİNİN BEKLENEN DEĞERİ

KV bir karar probleminle karşılaştığında bir danışmana başvurup tam bilgiden oluşan bir yardım alırsa
ve aldığı yardıma göre karar verirse problemi risk altında karar verme sınıfından çıkıp belirlilik altında
karar verme sınıfına girer.
Fakat bu danışmanlık hizmeti için belirli miktarda bir ücret ödemesi gerekmektedir.
Bu ücretin en çok ne kadar olacağı "tam bilginin beklenen değeri" (TBBD) yöntemi ile bulunabilir.
TBBD = Tam bilgi ile beklenen değer – Risk altında en büyük beklenen değer

Doç. Dr. Mehtap Dursun 32

TAM BİLGİNİN BEKLENEN DEĞERİ

TBBD = Tam bilgi ile beklenen değer –

Risk altında en büyük beklenen değer

Tam bilgi ile beklenen değer: 200*.5+0*.5=100.000 TL

Risk altında en büyük beklenen değer: 40.000 TL
TBBD = 100 – 40 = 60.000 TL

Girişimci TBBD'den (bu örnek için 60 bin TL'dan) daha yüksek ücretli
bir danışmanlık hizmetine başvurmamalıdır.

Doç. Dr. Mehtap Dursun 33

ÇOK AŞAMALI KARAR VERME

■ Karar sorunları dinamik yapıdadır

■ Bir karar sorunu yeni bir karar sorunu doğurur ve
aralarında ilişki vardır
■ Yeni sorunun olası seçenek ve olayları önceki sorunda
seçilen seçeneklere bağlı olabilir

■ KARAR AĞAÇLARI
KV’ye sunulan seçenekler ile şansa bağlı seçimleri bir
arada aşama sırasına göre görsel olarak ortaya koyan
bir modelleme yöntemi
– Karar noktaları
– Şans noktaları
Doç. Dr. Mehtap Dursun 34
KARAR AĞACI

Karar noktaları kare ile gösterilirler ve bu noktadan çıkan dalların temsil

ettiği seçenekler veya stratejiler arasından karar verileceğini gösterirler.
Bu dallara karar dalları denilir.
Şans noktaları daire ile gösterilirler ve seçenek dalının sonunda
bulunurlar.
Bu noktadan çıkan dallar olası olayları temsil ederler ve şans dalı olarak
adlandırılırlar.

Doç. Dr. Mehtap Dursun 35

KARAR TABLOSUNUN KARAR AĞACINA DÖNÜŞTÜRÜLMESİ

OLAYLAR
SEÇENEKLER q1 q2 ... qn q1 x11
a1 x11 x12 ... x1n
a2 x21 x22 ... x2n
a1
. . . ... . qn
... a2 x1n
am xm1 xm2 xmn

am

q1 xm1

qn xmn
Doç. Dr. Mehtap Dursun 36
KARAR AĞACI YÖNTEMİ

1. Sorunun tanımlanması
2. Karar ağacının çizilmesi (karar ve şans noktaları ile son aşama
getirileri veya faydaları)
3. Olayların oluşma olasılıklarının atanması ve şans dallarına
yazılması
4. Beklenen değer veya beklenen faydaların hesaplanması ve şans
noktalarına yazılması
5. En yüksek beklenen değer veya faydanın ilgili karar noktalarına
yazılması (çok aşamalı karar vermede)
6. Beklenen değer veya beklenen fayda kriteri kullanılarak seçimin
yapılması

Doç. Dr. Mehtap Dursun 37

BASİT ÖRNEK

Otomobil parçası üreten bir şirketin bu parçaya olan talep miktarındaki

bir değişime karşılık ne yapması gerektiği incelensin.
Şirket yeni bir donanım kullanarak daha çok üretim yapabilir. Ya da
artan talebi karşılamak için fazla mesai uygulamasına gidebilir. Diğer bir
strateji ise talebin düşeceğini düşünerek hiç bir şey yapmamaktır.
OLAYLAR
STRATEJİLER % 5 düşüş (D) % 15 yükseliş (Y) 184 %60 220
Yeni donanım (S1) 130 220 %40

Fazla mesai (S2) 150 210 130

Bir şey yapmama (S3) 150 170 186 %60 210

OLASILIKLAR 40% 60% %40
150

162 %60 170

%40
150
Doç. Dr. Mehtap Dursun 38
Karmaşık
Örnek

Doç. Dr. Mehtap Dursun 39

Karmaşık Örnek

EMV(2) = (.78)($190,000) + (.22)(–$190,000) = $106,400

EMV(3) = (.78)($90,000) + (.22)(–$30,000) = $63,600

EMV(4) = (.27)($190,000) + (.73)(–$190,000) = –$87,400

EMV(5) = (.27)($90,000) + (.73)(–$30,000) = $2,400

EMV(1) = (.45)($106,400) + (.55)($2,400) = $49,200

Doç. Dr. Mehtap Dursun 40

Karmaşık Örnek

EMV(6) = (.6)($200,000) + (.4)(–$180,000) = $48,000

EMV(7) = (.6)($100,000) + (.4)(–$20,000) = $52,000

Doç. Dr. Mehtap Dursun 41

ÇOK KRİTERLİ KARAR SORUNU

■ Verilen bir karar kümesi içinden KV’ye ve Karar Verme Durumuna bağlı olarak en iyi
kararı verme (Bell ve diğ., 1988; Kaliszewski ve diğ., 1997)
■ Seçeneklerin kriterlere göre değerlendirilmesini gerektirir
■ Sorun tipleri (problematique) üç ana başlıkta toplanabilir (Roy,
1990;
Vanderpooten, 1990; Vincke, 1992; Yoon ve Hwang, 1995)

Doç. Dr. Mehtap Dursun 42

ÇOK KRİTERLİ KARAR SORUNU TİPLERİ

■ SEÇİM (a)
En tatmin edici eylemleri (seçenekleri) ya da diğer tüm eylemlere
baskın eylemleri barındıran mümkün olduğunca sınırlandırılmış en
küçük eylemler alt kümesinin oluşturulması
■ SIRALAMA (b)
Eylemlerin; azalan tercihler yönünde, en iyiden en kötüye, mümkün
olduğunca zengin, kısmi veya tam bir sıralamasının oluşturulması
■ SINIFLANDIRMA / AYIRMA (g)
Önceden tanımlanmış kategorilere eylemlerin atanması

Doç. Dr. Mehtap Dursun 43

DEĞİŞKENLER

■ AMAÇ (OBJECTIVE)
Bir kişinin ulaşmak istediği düzey (Keeney, 1996)
■ KRİTER (CRITERION)
Belirli bir önem ekseni veya bakış açısına göre seçeneklerin
karşılaştırılmasını sağlayan araç (Bouyssou, 1990)
■ ÖLÇÜT (ATTRIBUTE)
Amaca ne kadar ulaşıldığını gösteren ölçü (Keeney, 1996)
Seçeneklerin temel özellikleri, kaliteleri veya verimlilik parametreleri
(Evren ve Ülengin, 1992)

Doç. Dr. Mehtap Dursun 44

SEÇENEK

■ Karar süreci sırasında değerlendirilen eylemler, nesneler, adaylar veya kararlar

kümesi
■ Seçenek kümesi iki şekilde tanımlanabilir:
– Sonlu ve sayılabilir sayıda seçenek
– Sonsuz sayıda ya da yeterince çok sayıda seçenek

Doç. Dr. Mehtap Dursun 45

KARAR VERME SÜRECİNE KATILANLAR

■ KV / SORUN SAHİBİ
■ ÇÖZÜM KULLANICI
■ SONUÇLARA KATLANANLAR / SORUN MÜŞTERİSİ
■ KARAR ANALİSTİ / SORUN ÇÖZÜCÜ

Doç. Dr. Mehtap Dursun 46

KARAR VERME SÜRECİ

■ SORUNU YAPILANDIRMA
■ KARAR MODELİNİ KURMA
■ SORUNU ÇÖZÜMLEME

Doç. Dr. Mehtap Dursun 47

BİLİŞSEL HARİTALAR

■ Uzmanların bir konuya ilişkin olarak sahip oldukları düşünceleri ve karşıklı ilişkileri
görsel olarak ortaya koymayı sağlayan bir çeşit yönlü çizge
■ Bir kişinin konu ile ilgili düşünce sisteminin matematiksel modeli
■ Karmaşık sorunların belirli bir yapıya oturutulmasına ve ilişkilerin daha iyi
anlaşılmasına yardımcı

Doç. Dr. Mehtap Dursun 48

TEMEL ELEMANLAR

■ Kavramlar (değişkenler)

■ Değişkenler arası ilişkiler (nedensel ilişki)

Şehire + Şehirdeki
insan
göç
sayısı

Doç. Dr. Mehtap Dursun 49

NEDENSEL İLİŞKİ TÜRLERİ

■ Pozitif (direkt) ilişki +

■ Negatif (ters) ilişki –
■ İlişki yok 0
■ Negatif olmayan +
■ Pozitif olmayan –
■ 0 olmayan m

Doç. Dr. Mehtap Dursun 50

BH ÖRNEĞİ (YÖNLÜ ÇİZGE)

Satış
fiyatını
arttırma Pazar
–
payı Satış
+
Reklam + hacmi
yapma +
Kar
+
Kaliteli –
Talep Üretim
ürün + maliyeti
üretme
Fabrika –
İşçi verimliliği
Ücret
artışı + tatmini +
Doç. Dr. Mehtap Dursun 51
BH TÜRLERİ

Şehire + Şehirdeki
■ Basit insan
göç
sayısı

■ Ağırlıklandırılmış
Şehire +5 Şehirdeki
insan
göç
sayısı
■ Bulanık

Şehire + çok Şehirdeki

insan
göç
sayısı
Doç. Dr. Mehtap Dursun 52
BH OLUŞTURMA

■ KV ve/veya uzmanlarla karşılıklı görüşmeler yapılması

■ KV ve/veya uzmanlara anketler uygulanması
■ KV ve/veya uzmanların yazılı eserlerini, yaptıkları çalışmaları, verdikleri demeçleri
ve bunun gibi kaynakları inceleyerek doküman kodlanması

Doç. Dr. Mehtap Dursun 53

YÖNLÜ ÇİZGENİN ANALİZİ

■ Yol (path)
Bir değişkenden başka bir değişkene giden yol üzerinde bazı diğer değişkenler ve
aralarındaki ilişkiler vardır

■ Döngü (cycle)
İlk ve son noktası aynı olan yol

Doç. Dr. Mehtap Dursun 54

YOLLA İLGİLİ GENEL KURALLAR

■ Bir yolun dolaylı etkisi

– Pozitif, eğer yoldaki negatif ilişkiier çift sayıda ise
– Negatif, eğer yoldaki negatif ilişkiier tek sayıda ise
■ A noktasının B noktası üzerindeki toplam etkisi
– Pozitif, eğer A’dan B’ye tüm yollar pozitif ise
– Negatif, eğer A’dan B’ye tüm yollar negatif ise
– Belirsiz, eğer bazı yollar pozitif bazıları negatif ise

Doç. Dr. Mehtap Dursun 55

BH ÖRNEĞİ 1

Satış
fiyatını
arttırma Pazar
–
payı Satış
+
Reklam + hacmi
yapma +
Kar
+
Kaliteli –
Talep Üretim
ürün + maliyeti
üretme
Fabrika –
İşçi verimliliği
Ücret
artışı + tatmini +
Doç. Dr. Mehtap Dursun 56
BH ÖRNEĞİ 2

Şehirdeki Şehire
insan göç
sayısı
Modernizasyon

– Sağlık
faaliyetleri
–
Çöp Hastalık
miktarı –
sayısı
yoğunluğu
Bakteri
yoğunluğu
Doç. Dr. Mehtap Dursun 57
MATRİS CEBRİ

■ Komşuluk Matrisi
■ Merkezilik
■ Ulaşılabilirlik Matrisi

Doç. Dr. Mehtap Dursun 58

KOMŞULUK MATRİSİ

■ İki değişken arasındaki direkt etkileri gösteren V matrisi, komşuluk (valency) matrisi
olarak isimlendirilir.
sis
Şehire Şehirdeki
göç insan
+ sayısı sg +1

■ Vijn; i ile j arasındaki n uzunluğundaki yolların dolaylı etkisini gösterir.

Doç. Dr. Mehtap Dursun 59

MERKEZİLİK

■ BH’deki bir değişkeni direkt etkileyen değişken sayısı, o

değişkene “gelen ok sayısı”nı (indegree) gösterir.
Komşuluk matrisinde ilgili değişkenin sütunundaki değerlerin
mutlak değer toplamı
■ Bir değişkenin direkt etkilediği değişken sayısı, o
değişkenden “çıkan ok sayısı”nı (outdegree) gösterir.
Komşuluk matrisinde ilgili değişkenin satırındaki değerlerin mutlak
değer toplamı
■ Toplam ok sayısı (total degree), değişkenin karar verici
düşünce yapısındaki “bilişsel merkeziliği” (centrality)
verir.
Doç. Dr. Mehtap Dursun 60
ULAŞILABİLİRLİK MATRİSİ

■ İki değişken arasındaki toplam etkileri gösteren R matrisi, ulaşılabilirlik

(reachability) matrisi olarak isimlendirilir
■ Döngüsüz BH için: R = V + V2 ... + Vn-1
Belirli bir kuvvetten sonra sıfır matrisi olur
■ R’nin i. satır mutlak değer toplamı, i. değişkenden ulaşılabilen toplam
değişken sayısını gösterir.
■ R’nin i. sütun mutlak değer toplamı, i. değişkene ulaşabilen toplam
değişken sayısını gösterir.

Doç. Dr. Mehtap Dursun 61

KAR ÖRN. İÇİN MATRİSLER

sf r k pp t sh kar merkezilik
sf 0 0 0 -1 0 0 0 1 sf 1
r 0 0 0 1 0 0 0 1 r 1
k 0 0 0 0 1 0 0 1 k 1
Satış V pp 0 0 0 0 0 1 0 1 pp 3
fiyatını t 0 0 0 0 0 1 0 1 t 2
arttırma Pazar sh 0 0 0 0 0 0 1 1 sh
– payı
3
Satış kar 0 0 0 0 0 0 0 0 kar 1
Reklam
+ hacmi
+ 0 0 0 2 1 2 1 6
yapma + Kar
+ sf r k pp t sh kar sf r k pp t sh kar
Kaliteli Talep Üretim – sf 0 0 0 0 0 -1 0 sf 0 0 0 0 0 0 0
ürün maliyeti r 0 0 0 0 0 1 0 r 0 0 0 0 0 0 0
üretme
+
Fabrika – k 0 0 0 0 0 1 0 k 0 0 0 0 0 0 0
verimliliği V2 pp 0 0 0 0 0 0 1 V4 pp 0 0 0 0 0 0 0
Ücret İşçi
t 0 0 0 0 0 0 1 t 0 0 0 0 0 0 0
artışı tatmini +
+ sh 0 0 0 0 0 0 0 sh 0 0 0 0 0 0 0
kar 0 0 0 0 0 0 0 kar 0 0 0 0 0 0 0

sf r k pp t sh kar sf r k pp t sh kar
sf 0 0 0 0 0 0 -1 sf 0 0 0 -1 0 -1 -1 3
r 0 0 0 0 0 0 1 r 0 0 0 1 0 1 1 3
k 0 0 0 0 0 0 1 k 0 0 0 0 1 1 1 3
3
V pp 0 0 0 0 0 0 0 R pp 0 0 0 0 0 1 1 2
t 0 0 0 0 0 0 0 t 0 0 0 0 0 1 1 2
sh 0 0 0 0 0 0 0 sh 0 0 0 0 0 0 1 1
kar 0 0 0 0 0 0 0 kar 0 0 0 0 0 0 0 0
Doç. Dr. Mehtap Dursun 0 0 0 2 1 5 6 14 62
Çok Kriterli Karar Verme

■ Karar Vericiler (KV) genellikle çok sayıda ve, çoğunlukla da

birbirleri ile çelişen kriterlere sahip sorunlar karşısaında
karar vermek durumundadırlar.
■ Karar verme, bir otomobil satın alınması gibi aile bireylerini
etkileyen bir karar olabileceği gibi, tüm ülkeyi etkileyebilecek
kararları gerektirebilir.
– Örneğin bir otomobil satın alırken dikkate alınan kriterler fiyat,
konfor, yakıt ekonomisi, güvenlik, bakım maliyeti, estetik vb
olabilir

Doç. Dr. Mehtap Dursun 63

Çok Kriterli Karar Vermede Temel
Kavramlar

■ Çok Kriterli Karar Verme problemleri birbirleri ile çelişir ve ortak ölçüm değerlerine
sahip olmayan bir dizi ölçüte bağlı olarak değerlerndirilen bir dizi alternatif gerektirir

Doç. Dr. Mehtap Dursun 64

Çok Kriterli Karar Verme Yaklaşımlarının
Sınıflandırılması
■ Çok kriterli Karar Vermede iki temel sınıftan bahsedilebilir: Çok Ölçütlü Karar Verme
ve Çok Amaçlı Karar Verme
■ Her iki grup karar verme yaklaşımı ise kendi aralarında tek karar vericili ve birden
fazla karar vericili karar verme yaklaşımları olarak ikiye ayrılırlar

Doç. Dr. Mehtap Dursun 65

Çok Kriterli Karar Verme Yaklaşımlarının
Sınıflandırılması
■ Bu iki kategori ise deterministik, probabilistik ve bulanık kararlar olarak alt
bölümlere ayrıştırılabilirlerl
■ Deterministic karar problemleri istenilen veri ve bilginin tam olarak bilindiği , her
karar ve onu takip eden diğer karar dizileri arasında bilinen, deterministik bir ilişki
olduğunu varsayar

Doç. Dr. Mehtap Dursun 66

Çok Kriterli Karar Verme Yaklaşımlarının
Sınıflandırılması
■ Probabilistik analiz problemin içinde bulunduğu çevreye
ilişkin ve karar ve sonuçları arasındaki ilişkinin
belirsizliklerle dolu olduğu bir yapıyı ifade eder. Burada
olasılıklara dayalı bir analiz gerekir
■ Probabilistik analiz belirsizliği tesadüfilik olarak kabul
ederken, bulanık karar verme bilginin kesin olmaması
durumu ile ilgilenir

Doç. Dr. Mehtap Dursun 67

Çok Ölçütlü/Çok Amaçlı Karar Analizi

■ Kriterler alternatif kararların, tercih edilirliklerine göre sıralandığı yargı standartları

veya kurallardır
■ Kriter, ölçüt ve amaç kavramı için kullanılan genel bir terimdir
■ Çok Kriterli Karar Verme çok Amaçlı ve Çok ölçütlü Karar Vermenin her ikisini de
içerir

Doç. Dr. Mehtap Dursun 68

Çok Ölçütlü/Çok Amaçlı Karar Analizi

■ Amaç irdelenen bir sistem ile ilgili istenilen bir durumdur

– Bir veya daha fazla ölçütte iyileşme yönünü gösterir
– Amaçlar, fonksiyonel olarak bir dizi ölçütle bağlantılıdır veya onlardan elde
edilmişlerdir

Doç. Dr. Mehtap Dursun 69

Bireysel/Grup Halinde Karar Verme

■ Birçok Çok Kriterli Karar Verme durumunda kararlar tek bir

kişi yerine birden fazla karar verici tarafından verilirler
■ Grup halinde karar verme problemlerine genellikle kamuya
ilişkin kararlarda sıkça rastlanır
– Örneğin bir okulun, parkın, nükleer santralın yerinin saptanması,
milletvekili seçimi, belediye başkanı seçimi vb

Doç. Dr. Mehtap Dursun 70

Bireysel/Grup Halinde Karar Verme

■ Eğer karar vericiler arasında tek bir hedef-tercih yapısı varsa, çok sayıda karar verici
olsa bile aslında tek kişili bir karar verme probleminden bahsedilebilir
■ Buna karşın, bunlardan birinde bile farklılık olması durumunda grup halinde karar
verme söz konusudur

Doç. Dr. Mehtap Dursun 71

Grup Halinde Karar Vermenin
Karakteristikleri
■ İki veya daha fazla sayıda insan, herbirinin kendine özgü algılaması, davranışları ve
kişiliği var
■ Hepsi ortak bir problemlerinin olduğunun bilincinde
■ Kolektif bir karar vermeyi amaçlıyorlar

Doç. Dr. Mehtap Dursun 72

Grup Halinde Karar Verme Ne Zaman
Kullanılır?
■ Aşağıdaki amaçlar söz konusu olduğunda grup halinde karar verme
kullanılır:
– Çok sayıda fikir almak
– Yargılardaki yanlılık nedeni ile yanlış karar verme olasılığını
azaltmak
– Farklı bakış açılarını dikkate almak
– Olabildiğince fazla sayıda stratejiyi dahil etmek için olabildiğince
büyük kanıt dizisini dikkate almak

Doç. Dr. Mehtap Dursun 73

 Grup Halinde Karar Verme Neden
Kullanılmalı?

■ Bireysel fikirler yerine grup halindeki uzmanların fikirlerinden yararlanıldığı taktirde:

– Bilgi düzeyi artar
– Yanlı düşünceler azaltılabilir
– Sorumluluk paylaşılır
– Kararın tek kişinin değil birden fazla kişinin yargısına dayanması sağlanır

Doç. Dr. Mehtap Dursun 74

Grup Halinde Karar Vermeye Yönelik
Eleştiriler
■ Grup önemli bazı bilgileri göz ardı edebilir
■ Karar verme süreci iyi yapılandırılmamışsa, baskın kişilerin kararları diğerlerini yok
eder
■ Saatler süren süreçin sonunda bir sonuca varılamayabilir

Doç. Dr. Mehtap Dursun 75

Case Study-1
■ Arctic Inc. produces large glass-door refrigeration units for supermarkets and
convenience stores. The company has been experiencing a steady rise in demand
for its products over the last ten years. Much of this growth stems from the increase
in the number of convenience stores over the period. Arctic sees no decrease
upcoming in the convenience store business and is concerned about its capacity to
keep up with demand. The company currently manufactures only some of the parts
used for assembly, purchasing the balance. Arctic is particularly concerned about its
capacity to manufacture the compressors that are assembled into the refrigeration
units.
■ Arctic has been producing compressors itself since it began operating. Now, with
compressor capacity stretched to its limit, Arctic is considering expansion plans.
There is a great deal of concern about what projects should be selected and what
resources should be acquired for these projects. Company officials and employees
are optimists, but Arctic faces a great deal of uncertainty, both with the type of
compressor to be used in the future and with the amount of demand for the
refrigeration units.

Doç. Dr. Mehtap Dursun 76

Case Study-1
■ Arctic has several major options with regard to compressor capacity, some of which
could be combined into a single plan. The options under consideration follow.
– Expand the current plant capacity.
– Build a new plant.
– Subcontract among several vendors.
– Subcontract with one vendor to provide the needed compressors ("sole
sourcing").
– Purchase a company that provides the needed compressors.
– Employ some combination of expansion and manufacturing.
■ Each plan has advantages and disadvantages tied to costs and other factors.
■ The first two plans maintain production control within Arctic, while Plans 3 and 4
relinquish control to other companies. Plan 5 is a compromise with respect to
control, because compressor manufacturing would occur in a different strategic
business unit (SBU) within the larger corporation.
Doç. Dr. Mehtap Dursun 77
Case Study-1
■ Both building a new plant and buying a compressor manufacturer would be rather
risky, as they would require a large amount of capital input (fixed costs) up front.
Plans 2 and 5 would keep the variable costs low, however.
■ Subcontracting, Plans 3 and 4, would have no fixed costs. The major advantage of
sole sourcing, Plan 4, is this: By guaranteeing one subcontractor all of the volume,
the cost per compressor would be minimized. The major disadvantage should be
obvious: If the production is disrupted at the sole-source factory, Arctic will have to
shut down its assembly operation. Another concern with the sole-source option is
that, in essence, Arctic will be creating a monopoly and will be at the mercy of this
company.
■ To evaluate its options, Arctic is considering different scenarios with respect to
demand for the product and the future technology.
– Demand grows at a steady rate.
– Demand stabilizes at the current rate.
– Demand drops.
Doç. Dr. Mehtap Dursun 78
 To evaluate its options, Arctic is considering different scenarios with respect to demand

Case Study-1 for the product and the future technology.

• Demand grows at a steady rate.

• Demand stabilizes at the current rate.
■ The technology scenarios
• follow.
Demand drops.
– The technology remains
The technology thefollow.
scenarios same.
– The technology changes.
• The technology remains the same.
• The technology changes.
■ Combining demand and technology scenarios, there are six (3 x 2) different
scenarios that Arctic faces.
Combining demandTheand company performs
technology scenarios, there areasixpreliminary cost/revenue
(3 x 2) different scenarios
that Arctic faces. The company performs a preliminary cost/revenue analysis, and the table
analysis, and the
belowtable
presentsbelow presents
the net present the
value of net
profits present
over value
the next ten ofeach
years for profits
option over
under the next
ten years for each option under each scenario.
each scenario.

Demand with Demand with

Same Different
Technology Technology
Option Grow Stable Drop Grow Stable Drop
Expand 3.14 2.65 1.12 2.43 2.23 .23
Build new 2.98 2.12 .11 5.23 3.14 -
1.63
Subcontract 1.45 1.67 1.34 1.76 1.32 1.88
Sole source 1.89 1.72 1.13 1.34 1.11 .25
Purchase 3.78 1.98 - 3.21 1.25 -
2.45 5.67
Expand/subcontract
Doç. Dr. Mehtap Dursun 2.25 2.27 1.22 2.34 1.89 1.12 79
Case Study-1
■ As uncertain as the profits in the scenarios are even more uncertain. Evaluate the
options available to Arctic. Should any of the options be eliminated? Is one option
truly outstanding, an obvious choice? Should some options be considered for further
analysis? The discussion offers implications concerning the probabilities of the
demand scenarios. How do they affect the decision?

Doç. Dr. Mehtap Dursun 80

Case Study-2
■ After retiring as a physician, Bob Guthrie became an avid downhill skier on the steep
slopes of the Utah Rocky Mountains. As an amateur inventor, Bob was always
looking for something new. With the recent deaths of several celebrity skiers, Bob
knew he could use his creative mind to make skiing safer and his bank account
larger. He knew that many deaths on the slopes were caused by head injuries.
Although ski helmets have been on the market for some time, most skiers consider
them boring and basically ugly. As a physician, Bob knew that some type of new ski
helmet was the answer.
■ Bob’s biggest challenge was to invent a helmet that was attractive, safe, and fun to
wear. Multiple colors and using the latest fashion designs would be musts. After
years of skiing, Bob knew that many skiers believe that how you look on the slopes is
more important than how you ski. His helmets would have to look good and fit in
with current fashion trends. But attractive helmets were not enough. Bob had to
make the helmets fun and useful. The name of the new ski helmet, Ski Right, was
sure to be a winner. If Bob could come up with a good idea, he believed that there
was a 20% chance that the market for the Ski Right helmet would be excellent. The
chance of a good market should be 40%. Bob also knew that the market for his
helmet could
Doç. be only Dursun
Dr. Mehtap average (30% chance) or even poor (10% chance). 81
Case Study-2
■ The idea of how to make ski helmets fun and useful came to Bob on a gondola ride
to the top of a mountain. A busy executive on the gondola ride was on his cell phone
trying to complete a complicated merger. When the executive got off the gondola, he
dropped the phone and it was crushed by the gondola mechanism. Bob decided that
his new ski helmet would have a built-in cell phone and an AM/FM stereo radio. All
the electronics could be operated by a control pad worn on a skier’s arm or leg.
■ Bob decided to try a small pilot project for Ski Right. He enjoyed being retired and
didn’t want a failure to cause him to go back to work. After some research, Bob
found Progressive Products (PP). The company was willing to be a partner in
developing the Ski Right and sharing any profits. If the market was excellent, Bob
would net $5,000 per month. With a good market, Bob would net $2,000. An
average market would result in a loss of $2,000, and a poor market would mean
Bob would be out $5,000 per month.

Doç. Dr. Mehtap Dursun 82

Case Study-2
■ Another option for Bob was to have Leadville Barts (LB) make the helmet. The
company had extensive experience in making bicycle helmets. Progressive would
then take the helmets made by Leadville Barts and do the rest. Bob had a greater
risk. He estimated that he could lose $10,000 per month in a poor market or
$4,000 in an average market. A good market for Ski Right would result in $6,000
profit for Bob, and an excellent market would mean a $12,000 profit per month.
■ A third option for Bob was to use TalRad (TR), a radio company in Tallahassee,
Florida.
■ TalRad had extensive experience in making military radios. TalRad could also make
the helmets, and Progressive Products could do the rest of production and
distribution. Again, Bob would be taking on greater risk. A poor market would mean
a $15,000 loss per month, and an average market would mean a $10,000 loss. A
good market would result in a net profit of $7,000 for Bob. An excellent market
would return $13,000 per month.

Doç. Dr. Mehtap Dursun 83

Case Study-2
■ Bob could also have Celestial Cellular (CC) develop the cell phones. Thus, another
option was to have Celestial make the phones and have Progressive do the rest of
the production and distribution. Because the cell phone was the most expensive
component of the helmet, Bob could lose $30,000 per month in a poor market. He
could lose $20,000 in an average market. If the market was good or excellent, Bob
would see a net profit of $10,000 or $30,000 per month, respectively.
■ Bob’s final option was to forget about Progressive Products entirely. He could use
Leadville Barts to make the helmets, Celestial Cellular to make the phones, and
TalRad to make the AM/FM stereo radios. Bob could then hire some friends to
assemble everything and market the finished Ski Right helmets. With this final
alternative, Bob could realize a net profit of $55,000 a month in an excellent
market. Even if the market was just good, Bob would net $20,000. An average
market, however, would mean a loss of $35,000. If the market was poor Bob would
lose $60,000 per month.
■ What do you recommend?

Doç. Dr. Mehtap Dursun 84