BULANIK ÇIKARIM SİSTEMİ İLE BİREYSEL PERSONEL PERFORMANSININ DEĞERLENDİRİLMESİNDE BİR UYGULAMA

Yıl 2018, Cilt: 19 Sayı: 2, 372 - 388, 30.11.2018

Mustafa Özkan

Öz

İşletmelerde performans değerlendirme çok önemli ve hassas bir süreçtir. Bu süreçte istenilenin aksine sübjektif değerlendirmeler ortaya çıkabilmektedir. Bu çalışmada, personel performansının ölçülmesinde klasik yöntemlere alternatif bir yaklaşım olarak bulanık mantık ve bulanık çıkarım sistemi denemesi kullanılmıştır. Bu amaçla 41 personelin bulunduğu bir banka şubesi çalışanlarına uygulanan performans notlarının bulanık çıkarım sistemi ile değerlendirilmesi gerçekleştirilmiştir. Sistemin daha objektif ve kayırmadan uzak sonuçlar çıkarması; ayrıca değerlendirmeyi çalışanların genel düzeylerini dikkate alınarak yapması bir avantaj teşkil etmektedir. Herhangi bir kayırmacı puan, sistemin tüm yapı taşlarının yeniden hesaplanmasını ortaya çıkaracağından, bireysel kayırmacı performans puanları verilmesinin de önüne geçilecektir. Sözel değerlendirme değişkenlerini içinde barındıran bulanık çıkarım sistemi, mevcut başarı performans sistemlerine göre daha farklı sonuçlar vermektedir. 

Anahtar Kelimeler

bulanık mantık, bulanık çıkarım sistemi (BÇS), Mamdani, nicel karar yöntemleri

An Application for Individual Employee Performance Determination By Fuzzy Inference System

Öz

In business administration, performance evaluations is the most important and sensetive  process. In such a process contrary to what is desired subjective evaluations might come into existence. In this study, for the performance measure an alternative fuzzy logic and inference system test is proposed against to classical approaches.  For this purpose, performance notes of 41 employees in a bank are assessed by means of fuzzy inference system. The system is more objective and provides far away conclusions from bias views. It is also an advantage to take into consideration the general levels of those employees. Any biased note can turn the system upside down and in the classical approach it is necessary to calculate the system right from the begining, but the fuzzy logic approach will hinder such biased valuations in the performances. The fuzzy logic system includes verbal evaluations and therefore it provides more reliable and different results compared to existing performance systems.

Anahtar Kelimeler

fuzzy logic, fuzzy inference system (FIS), Mamdani, quantitive decision techniques

Kaynakça

• Ahamed, N. U., Benson, L., Clermont, C., Osis, S. T. ve Ferber, R.(2017). Fuzzy Inference System-Based Recognition Of Slow, Medium And Fast Running Conditions Using A Triaxial Accelerometer. Procedia Computer Science. Vol:114, s.401-407.
• Altaş, İ.H.(1999). Bulanık Mantık: Bulanıklık Kavramı. Enerji, Elektrik, Elektromekanik-3e, Vol: 62, s.80-85.
• Amindoust, A., Ahmed, S., Saghafinia, A. ve Bahreininejad, A.(2012). Sustainable Supplier Selection: A Ranking Model Based On Fuzzy İnference System. Applied Soft Computing, Vol:12(6), s.1668-1677.
• Aydın, N.(2007).Katı Atık Yönetiminde Optimal Planlama İçin Bulanık Doğrusal Programlama Yaklaşımı,(Yayınlanmamış Yüksek Lisans Tezi). Yıldız Teknik Üniversitesi FBE, İstanbul.
• Aydın, T.(2004). Bulanık Mantık Sınıflandırmadan Yararlanarak Kablo Malzemesi Seçimi(Yayınlanmış Yüksek Lisans Tezi),İstanbul Teknik Üniversitesi, FBE, İstanbul.Başkaya, Z.(2011). Bulanık Doğrusal Programlama. Ekin Yayınevi. Bursa.
• Baykal, N. ve Beyan, T.(2004). Bulanık Mantık İlke ve Temelleri, Bıçaklar Kitabevi. Ankara.
• Bojadziev, G. ve Bojadziev, M.(2007). Fuzzy Logic For Business, Finance And Management(2nd. Edition). Singapore: World Scientific Publishing Co. Pte. Ltd.
• Chang, F.J. ve Chang, Y.T.(2006). Adaptive Neuro-Fuzzy İnference System For Prediction Of Water Level in Reservoir. Advances İn Water Resources, Vol: 29(1), s.1-10.
• Chen. G. ve Pham. T.,T.(2001). Introduction To-Fuzzy Sets, Fuzzy Logic and Fuzzy Control Systems. CRC Press, Florida. USA.
• Çevik, O.;Yıldırım, Y.(2010). Bulanık Doğrusal Programlama ile Süt Ürünleri İşletmesinde Bir Uygulama. KMÜ Sosyal ve Ekonomik Araştırmalar Dergisi.2010(1).s.15-26.
• Gupta, M. M., Ragade, R. K. ve Yager, R. R. (Eds.).(1979). Advances in Fuzzy Set Theory And Applications. North-Holland Publishing Company.
• Güneş, M.(2001); Bulanık Doğrusal Sistemler ve Regresyon Modellerine Uygulaması. A Review Of Social, Economic & Business Studies, Vol:1(1), s.176-192.
• Kikuchi, S. ve Chakroborty, P.(1992). Car-Following Model Based On Fuzzy Inference System. Transportation Research Record No: 1365, s. 82-82.
• Klir, G. ve Yuan, B.(1995) Fuzzy Sets and Fuzzy Logic, Prentice Hall, Upper Saddle River, NJ.
• Ma, W., Fan, J., Li, Q. ve Tang, Y.(2018). A Raw Milk Service Platform Using BP Neural Network and Fuzzy Inference. Information Processing in Agriculture.
• Mamdani, E. H.(1974). Application of Fuzzy Algorithms For Control Of Simple Dynamic Plant. In Proceedings of The Institution of Electrical Engineers (Vol:121(12), s.1585-1588). IET.
• Mamdani, E. H. ve Assilian, S.(1975). An Experiment in Linguistic Synthesis with A Fuzzy Logic Controller.International Journal of Man-Machine Studies, 7(1),s.1-13.
• Mardanov, M., Rzayev, R., Jamalov, Z., ve Khudatova, A.(2017). Integrated Assessment and Ranking of Universities by Fuzzy Inference. Procedia Computer Science, Vol:120, s.213-220.
• Math Works(2014). Fuzzy Logic Toolbox, User’s Guide R2014a, The Mathworks Inc. Natick- United States.
• Öner, N.(1986). Klasik Mantık. Beşinci Baskı. Ankara Üniversitesi İlahiyat Fakültesi Yayınları(5. Baskı). Ankara.
• Özdemir, A.İ. ve Seçme, G.(2009). Tedarik Zinciri Ağ Tasarımına Bulanık Ulaştırma Modeli Yaklaşımı. Kayseri: Erciyes Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi. Vol:32, s.219-237.
• Özdemir, M. (2010). A Robabilistic Schedule Delay Analysis in Consruction Projects by Using Fuzzy Logic Incorporated with Relative Importance Index(RII) Method(Yayınlanmış Yüksek Lisans Tezi). Orta Doğu Teknik Üniversitesi FBE, İnşaat Mühendisliği Anabilim Dalı, Ankara.
• Özkan, M.(2014) Bulanık Hedef Programlama ve Bir İşletme Üzerinde Uygulama (Yayınlanmış Doktora Tezi), Cumhuriyet Üniversitesi SBE, Sivas.Özkan, M. M.(2003). Bulanık Hedef Programlama. Bursa: Ekin Kitabevi.
• Polat, K. Ve Güneş, S.(2007). An Expert System Approach Based on Principal Component Analysis And Adaptive Neuro-Fuzzy Inference System to Diagnosis of Diabetes Disease. Digital Signal Processing, Vol:17(4), s.702-710.
• Rong, H. J., Sundararajan, N., Huang, G. B. ve Saratchandran, P.(2006). Sequential Adaptive Fuzzy Inference System (SAFIS) for Nonlinear System Identification and Prediction. Fuzzy Sets And Systems, Vol:157(9), s.1260-1275.
• Ross, T.J.(2010). Fuzzy Logic With Engineering Applications(Third Edition). John Wiley& Sons Ltd.
• Rout, S. S., Misra, B. B. ve Samanta, S.(2017). Competency Mapping with Sugeno Fuzzy Inference System For Variable Pay Determination: A Case Study. Ain Shams Engineering Journal. s.1-12. İnternet Adresi:Https://Reader.Elsevier.Com/Reader/Sd/A37D0AA49CA8DB21CBFA852CD1D68D6E60C2D731497C6A11E71D12084B1D7F8B4D4D00B492795FAD499662CD7D5E7B1C(Erişim Tarihi: 04.07.2018)
• Samanta, D.(2018). Fuzzy Membership Function Formulation and Parameterization. İnternet Adresi: Http://Www.Nid.İitkgp.Ernet.İn/Dsamanta/Courses/Archive/Sca/Archives/Chapter%203%20Fuzzy%20Membership%20Functions.Pdf(Erişim Tarihi: 27.07.2018)
• Sancar, N. ve Tabrizi, S.S.(2017). Body Mass Index Estimation By Using An Adaptive Neuro Fuzzy Inference System. Procedia Computer Science, Vol:108,s.2501-2506.
• Sun, C. T.(1994). Rule-Base Structure Identification in An Adaptive-Network-Based Fuzzy Inference System. IEEE Transactions On Fuzzy Systems, Vol:2(1), s.64-73.
• Şen, Z.(2002). Bilimsel Düşünce ve Matematik Modelleme İlkeleri. Su Vakfı, İstanbul.
• Şen, Z.(1998). Fuzzy Algorithm For Estimation Of Solar İrradiation From Sunshine Duration. Solar Energy, Vol:63(1), s.39-49.
• Şen, Z.(2009). Bulanık Mantık İlkeleri Ve Modelleme:(Mühendislik Ve Sosyal Bilimler). Su Vakfı, İstanbul.
• Şen, Z. (2003) Modern Mantık. Bilge Kültür Sanat Yayınları, İstanbul.
• Tuna, B.(1994). Bulanık Olasılıklar ve Bir Uygulama(Yayınlanmış Yüksek Lisans Tezi). Marmara Üniversitesi SBE, Ekonometri Ana Bilim Dalı, İstatistik Bilim Dalı. İstanbul.
• Wang, C.(2015). A Study Of Membership Functions On Mamdani-Type Fuzzy Inference System For Industrial Decision-Making.(Yayınlanmış Doktora Tezi). Theses And Dissertations. Lehigh University.(Paper:1665)
• Yakıcı Ayan, T.(2009). Toplam Üretim Planlaması Problemleri İçin Bir Bulanık Hedef Programlama Yaklaşımı. Erciyes Üniversitesi İ.İ.B.F. Dergisi. Vol:34. s.69-90.
• Yakupoğlu, T., Özdemir, N. ve Ekberli, İ.(2008). Toprak Erozyonu Çalışmalarında Bulanık Mantık Uygulamaları. Samsun: Ondokuz Mayıs Üniversitesi Ziraat Fakültesi Dergisi, Vol:23(2), s.121-130.
• Yıldız, S.(2011). Bulanık Mantık Yaklaşımı İle Hazır Giyimde Beden Numarası Belirleme. Vocational Education, Vol:6(1), s.12-22.
• Zadeh, L. A.(1965). Fuzzy Sets. Information And Control ,Vol:8, s.338-353.
• Zimmermann, H.J.(1993). Fuzzy Sets, Decision Making and Expert Systems. Boston: Kluwer Academic Publishers.
• Zarte, M., Pechmann, A. ve Nunes, I. L.(2018). Sustainable Evaluation Of Production Programs Using A Fuzzy Inference Model–A Concept. Procedia CIRP, Vol:73, s. 241-246.